如何使用TensorFlow数据集预测汽车MPG的燃油效率？

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，与Python一起使用以实现算法、深度学习应用等。它用于研究和生产目的。它具有优化技术，可帮助快速执行复杂的数学操作。

这是因为它使用NumPy和多维数组。这些多维数组也称为‘张量’。该框架支持使用深度神经网络。它具有高度的可扩展性，并提供许多流行的数据集。它使用GPU计算并自动化资源管理。它配备了众多的机器学习库，并得到广泛支持和文档化。该框架具有运行深度神经网络模型、训练它们并创建预测各自数据集相关特征的应用程序的能力。

可以使用以下代码在Windows上安装‘tensorflow’包 −

pip install tensorflow

Tensor是TensorFlow中使用的数据结构。它有助于连接流程图中的边缘。这个流程图被称为‘数据流图’。张量只是多维数组或列表。可以使用三个主要属性来识别它们−

回归问题的目标是预测连续或离散变量的输出，例如价格、概率、是否会下雨等等。

我们使用的数据集称为‘Auto MPG’数据集。它包含1970年代和1980年代汽车的燃油效率。它包括重量、马力、排量等属性。通过它，我们需要预测特定车辆的燃油效率。

我们使用Google Colaboratory来运行以下代码。 Google Colab或Colaboratory通过浏览器运行Python代码，不需要任何配置，并提供免费访问GPU（图形处理单元）。Colaboratory是建立在Jupyter Notebook之上的。

以下是代码片段−

更多Python相关文章，请阅读：Python 教程

范例

hrspwr = np.array(train_features['Horsepower'])
print("The data is being normalized")
hrspwr_normalizer = preprocessing.Normalization(input_shape=[1,])
hrspwr_normalizer.adapt(hrspwr)

hrspwr_model = tf.keras.Sequential([
   hrspwr_normalizer,
   layers.Dense(units=1)
])
print("The statistical data sample ")
hrspwr_model.summary()
print("The predicted output ")
hrspwr_model.predict(hrspwr[:7])
print("The model is being compiled : ")
hrspwr_model.compile(
   optimizer=tf.optimizers.Adam(learning_rate=0.1),
   loss='mean_absolute_error')

代码来源 − https://www.tensorflow.org/tutorials/keras/regression