Python で Tensorflow を使用した燃料効率の予測

燃料効率の予測は、車両のパフォーマンスを最適化し、二酸化炭素排出量を削減するために重要であり、Python ライブラリ Tensorflow を使用して簡単に予測できます。この記事では、人気の機械学習ライブラリである Tensorflow の機能を活用して、Python を使用して燃費を予測する方法を検討します。 Auto MPG データセットに基づいて予測モデルを構築することで、車両の燃費を正確に推定できます。 Python の Tensorflow を使用して正確な燃費予測を行うプロセスを詳しく見てみましょう。

自動 MPG データセット

燃料効率を正確に予測するには、信頼できるデータセットが必要です。 Auto MPG データセットは UCI Machine Learning リポジトリから取得され、モデルに必要な情報を提供します。これには、シリンダー数、排気量、重量、馬力、加速度、製造国、モデル年などのさまざまな属性が含まれます。これらの属性は特性として機能し、燃費 (ガロンあたりのマイル数 (MPG) で測定) はラベルとして機能します。このデータセットを分析することで、パターンを認識し、同様の車両特性に基づいて予測を行うようにモデルをトレーニングできます。

データセットを準備する

予測モデルを構築する前に、データセットを準備する必要があります。これには、欠損値の処理と特徴の正規化が含まれます。欠損値があるとトレーニング プロセスが中断される可能性があるため、データセットから欠損値を削除します。馬力や重量などの特性を標準化することで、各特性が同様の範囲内に収まるようになります。大きな数値範囲を持つ特徴がモデルの学習プロセスを支配する可能性があるため、このステップは非常に重要です。データセットを正規化すると、トレーニング中にすべての特徴が公平に扱われるようになります。

TensorFlow を使用して燃料効率を予測するにはどうすればよいですか?

Tensorflow を使用して燃料効率を予測するときに従う手順は次のとおりです -

• 必要なライブラリをインポートします。tensorflow、Keras、レイヤー、パンダをインポートします。

• 自動 MPG データ セットをロードします。また、列名を指定し、欠損値を処理します。

• データセットを特徴とラベルに分割する - データセットを特徴 (入力変数) とラベル (出力変数) の 2 つの部分に分割します。

• 正規化された特徴 - 特徴を正規化するために最小-最大スケーリングを使用します。

• データセットはトレーニング セットとテスト セットに分かれています。

• モデル アーキテクチャの定義 - 各層に 64 個のニューロンがあり、ReLU 活性化関数を使用する 3 つの高密度層で構成される単純な逐次モデルを定義します。

• モデルのコンパイル - 平均二乗誤差 (MSE) 損失関数と RMSprop オプティマイザーを使用してモデルをコンパイルします。

• モデルのトレーニング - トレーニング セットで 1000 エポックの間モデルをトレーニングし、検証分割 0.2 を指定します。

• モデルの評価 - テスト セットに対してモデル評価を実行し、平均 MSE、燃料効率、絶対誤差 (MAE) を計算します。

• 新車の燃費を計算する - pandas DataFrame を使用して新車用の関数を作成します。元のデータセットと同じ倍率を使用して、新しい自動車の特徴を正規化します。

• 学習済みモデルを使用して、新車の燃費を予測します。

• 予測燃費を出力 - 新車の予測燃費をコンソールに出力します

• テスト メトリックの印刷 - テスト MAE と MSE をコンソールに出力します。

次のプログラムは、Tensorflow を使用して、Auto MPG データセットに基づいて燃費を予測するためのニューラル ネットワーク モデルを構築します。

＃＃＃例＃＃＃ リーリー ＃＃＃出力＃＃＃ リーリー ＃＃＃結論は＃＃＃

結論として、Python で Tensorflow を使用して燃料効率を予測することは、メーカーと消費者が情報に基づいた意思決定を行うのに役立つ強力なツールです。さまざまな車両特性を分析し、ニューラル ネットワーク モデルをトレーニングすることで、燃費を正確に予測できます。

この情報は、より燃料効率の高い車両の開発を促進し、環境への影響を軽減し、消費者のコストを節約することができます。 Tensorflow の多用途性と使いやすさにより、燃料効率の向上を目指す自動車業界にとって貴重な資産となっています。

以上がPython で Tensorflow を使用した燃料効率の予測の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。