Python에서 Tensorflow를 사용하여 연료 효율성 예측

연비를 예측하는 것은 차량 성능을 최적화하고 탄소 배출을 줄이는 데 매우 중요하며, 이는 Python 라이브러리 Tensorflow를 사용하여 쉽게 예측할 수 있습니다. 이 기사에서는 인기 있는 기계 학습 라이브러리인 Tensorflow의 기능을 활용하여 Python을 사용하여 연료 효율성을 예측하는 방법을 살펴보겠습니다. Auto MPG 데이터 세트를 기반으로 예측 모델을 구축함으로써 차량의 연비를 정확하게 예측할 수 있습니다. Python에서 Tensorflow를 사용하여 정확한 연비 예측을 수행하는 프로세스를 자세히 살펴보겠습니다.

자동 MPG 데이터세트

연비를 정확하게 예측하려면 신뢰할 수 있는 데이터 세트가 필요합니다. Auto MPG 데이터 세트는 UCI Machine Learning Repository에서 시작되며 모델에 필요한 정보를 제공합니다. 여기에는 실린더 수, 배기량, 중량, 마력, 가속도, 원산지, 모델 연도 등 다양한 속성이 포함되어 있습니다. 이러한 속성은 특성의 역할을 하며, 연비(갤런당 마일 또는 MPG로 측정)는 라벨의 역할을 합니다. 이 데이터 세트를 분석함으로써 패턴을 인식하고 유사한 차량 특성을 기반으로 예측하도록 모델을 훈련할 수 있습니다.

데이터 세트 준비

예측 모델을 구축하기 전에 데이터 세트를 준비해야 합니다. 여기에는 누락된 값을 처리하고 특성을 정규화하는 작업이 포함됩니다. 누락된 값은 훈련 과정을 방해할 수 있으므로 데이터세트에서 해당 값을 제거합니다. 마력, 중량 등의 특성을 표준화하면 각 특성이 비슷한 범위에 있게 됩니다. 수치 범위가 큰 특징이 모델의 학습 과정을 지배할 수 있기 때문에 이 단계는 매우 중요합니다. 데이터 세트를 정규화하면 훈련 중에 모든 기능이 공정하게 처리됩니다.

TensorFlow를 사용하여 연료 효율성을 예측하는 방법은 무엇인가요?

Tensorflow를 사용하여 연료 효율성을 예측하기 위해 따라야 할 단계는 다음과 같습니다. -

• 필요한 라이브러리 가져오기 - 텐서플로우, 케라스, 레이어 및 팬더를 가져옵니다.

• 자동 MPG 데이터 세트를 로드합니다. 또한 열 이름을 지정하고 누락된 값을 처리합니다.

• 데이터세트를 특성과 레이블로 분할 - 데이터세트를 특성(입력 변수)과 레이블(출력 변수)의 두 부분으로 나눕니다.

• 정규화된 기능 - 기능을 정규화하기 위해 최소-최대 스케일링을 사용합니다.

• 데이터 세트는 훈련 세트와 테스트 세트로 구분됩니다.

• 모델 아키텍처 정의 - ReLU 활성화 함수를 사용하여 계층당 64개의 뉴런이 있는 3개의 조밀한 계층으로 구성된 간단한 순차 모델을 정의합니다.

• 모델 컴파일 - 평균 제곱 오차(MSE) 손실 함수와 RMSprop 최적화 프로그램을 사용하여 모델을 컴파일합니다.

• 모델 학습 - 학습 세트에서 1000세대 동안 모델을 학습하고 검증 분할을 0.2로 지정합니다.

• 모델 평가 - 테스트 세트에 대해 모델 평가를 수행하고 평균 MSE, 연료 효율 및 절대 오차(MAE)를 계산합니다.

• 새 자동차의 연비 계산 - 우리는 pandas DataFrame을 사용하여 새 자동차에 대한 함수를 만듭니다. 원본 데이터 세트와 동일한 배율 인수를 사용하여 새 자동차의 기능을 정규화합니다.

• 훈련된 모델을 사용하여 새 자동차의 연비를 예측합니다.

• 예측 연비 인쇄 - 신차의 예상 연비를 콘솔에 인쇄합니다

• 테스트 지표 인쇄 - 테스트 MAE 및 MSE를 콘솔에 인쇄합니다.

아래 프로그램은 Tensorflow를 사용하여 Auto MPG 데이터 세트를 기반으로 연비를 예측하기 위한 신경망 모델을 구축합니다.

예

으아악

출력

으아악

결론

요약하자면, Python에서 Tensorflow를 사용하여 연비를 예측하는 것은 제조업체와 소비자가 정보에 입각한 결정을 내리는 데 도움이 될 수 있는 강력한 도구입니다. 다양한 차량 특성을 분석하고 신경망 모델을 학습함으로써 연비를 정확하게 예측할 수 있습니다.

이 정보는 보다 에너지 효율적인 차량 개발을 촉진하고 환경에 미치는 영향을 줄이며 소비자의 비용을 절감할 수 있습니다. Tensorflow의 다양성과 사용 용이성은 연비 개선을 추구하는 자동차 산업에 귀중한 자산이 됩니다.

위 내용은 Python에서 Tensorflow를 사용하여 연료 효율성 예측의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!