บทนำ
TensorFlow เฟรมเวิร์ก ML จาก Google โค้ดเปิด ใช้กับ Python มีเทคนิคเพิ่มประสิทธิภาพ ใช้ NumPy และเทนเซอร์ รองรับ Deep Neural Networks สเกลได้ดี มีดาต้ASET ยอดนิยม ใช้ GPU computation จัดการทรัพยากรอัตโนมัติ มีไลบรารี ML มากมาย เอกสารดี
Tensor และปัญหา Regression
เทนเซอร์ = อาร์เรย์หลายมิติ สำหรับ Data flow graph ทำนายตัวแปรต่อเนื่อง
ชุดข้อมูล Auto MPG
ข้อมูลรถยนต์ยุค 70-80s คุณสมบัติ: น้ำหนัก แรงม้า ปริมาตรเครื่องยนต์ ฯลฯ ทำนาย MPG
ตัวอย่าง: แบ่งข้อมูล Train/Test และ Visualization
print("แบ่งข้อมูลฝึกและทดสอบ")
train_dataset = dataset.sample(frac=0.7, random_state=0)
test_dataset = dataset.drop(train_dataset.index)
print("พล็อตข้อมูลฝึกเป็นการแสดงภาพ")
sns.pairplot(train_dataset[['MPG', 'Cylinders', 'Displacement', 'Weight']], diag_kind='kde')
print("ทำความเข้าใจสถิติของข้อมูล")
train_dataset.describe().transpose()
ที่มาโค้ด: TensorFlow Regression Tutorial
ผลลัพธ์
แบ่งข้อมูลฝึกและทดสอบ พล็อตข้อมูลฝึกเป็นการแสดงภาพ ทำความเข้าใจสถิติของข้อมูล
คำอธิบาย
- หลังทำความสะอาดข้อมูล แบ่งเป็น Train/Test
- 70% ใช้ฝึก 30% ใช้ทดสอบ
- แสดงภาพข้อมูลฝึกด้วย seaborn pairplot
- แสดงสถิติ: count, mean, median ฯลฯ ด้วย
describe
