ภาพรวม
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python รองรับ Deep Neural Networks ใช้ในงานวิจัยและการผลิต เทนเซอร์คืออาร์เรย์หลายมิติ สำหรับแผนภาพกระแสข้อมูล
ปัญหา Regression
เป้าหมายคือทำนายตัวแปรต่อเนื่อง เช่น ราคา ความน่าจะเป็น หรือในที่นี้คือประสิทธิภาพเชื้อเพลิง (MPG) ของรถยนต์
ชุดข้อมูล Auto MPG
ประกอบด้วยข้อมูลรถยนต์ยุค 1970-80s คุณสมบัติ: น้ำหนัก แรงม้า ปริมาตรเครื่องยนต์ เป็นต้น ใช้ทำนาย MPG
ตัวอย่าง: การฝึกและประเมินโมเดล DNN
print("กำลังสร้างและคอมไพล์โมเดล")
dnn_model = build_compile_model(normalizer)
print("แสดงสรุปสถิติของโมเดล")
dnn_model.summary()
print("กำลังฝึกโมเดลกับข้อมูล")
history = dnn_model.fit(
train_features, train_labels,
validation_split=0.2,
verbose=0, epochs=100)
print("แสดงกราฟ Error ต่อ Epoch")
plot_loss(history)
print("ประเมินผลการทำนาย")
test_results['dnn_model'] = dnn_model.evaluate(test_features, test_labels, verbose=0)
pd.DataFrame(test_results, index=['Mean absolute error [MPG]']).T
ที่มา: TensorFlow Regression Tutorial
ผลลัพธ์
คำอธิบาย
- สร้างและคอมไพล์โมเดล DNN
- แสดงสถิติโมเดลด้วย
summary() - ฝึกโมเดลด้วยข้อมูลฝึก ใช้ validation split 20%
- พล็อตกราฟ error ต่อ epoch
- ประเมินกับข้อมูลทดสอบ DNN ให้ผลดีกว่า Linear Regression
