如何使用TensorFlow清理数据以预测Auto MPG数据的燃油效率？
Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，与Python结合使用以实现算法，深度学习应用程序等等。
可以使用下面的代码行在Windows上安装'tensorflow'软件包-
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。该流程图称为“数据流程图”。张量不过是多维数组或列表。
回归问题背后的目的是预测连续或离散变量的输出，例如价格，概率，是否下雨等等。
我们使用的数据集称为“自动MPG”数据集。它包含了1970年代和1980年代汽车的燃油效率。它包括诸如重量，马力，位移等属性。因此，我们需要预测特定车辆的燃油效率。
我们正在使用Google合作实验室来运行以下代码。Google Colab或Colaboratory可以帮助通过浏览器运行Python代码，并且需要零配置和对GPU（图形处理单元）的免费访问。合作已建立在Jupyter Notebook的基础上。
以下是代码片段，我们将看到如何使用TensorFlow使用Auto MPG数据集清洁数据以预测燃油效率-
示例
print("Data cleaning has begun")
dataset.isna().sum()
dataset = dataset.dropna()
dataset['Origin'] = dataset['Origin'].map({1: 'USA', 2: 'Europe', 3: 'Japan'})
print("Data cleaning complete!")
dataset = pd.get_dummies(dataset, prefix='', prefix_sep='')
print("A sample of dataset after data cleaning :")
dataset.head(4)
代码信用-https ://www.tensorflow.org/tutorials/keras/regression
输出结果
Data cleaning has begun Data cleaning complete! A sample of dataset after data cleaning −
| 手脉 | 气瓶 | 移位 | 马力 | 重量 | 加速 | 模特年 | 欧洲 | 日本 | 美国 | |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 18.0 | 8 | 307.0 | 130.0 | 3504.0 | 12.0 | 70 | 0 | 0 | 1 |
| 1 | 15.0 | 8 | 350.0 | 165.0 | 3693.0 | 11.5 | 70 | 0 | 0 | 1 |
| 2个 | 18.0 | 8 | 318.0 | 150.0 | 3436.0 | 11.0 | 70 | 0 | 0 | 1 |
| 3 | 16.0 | 8 | 304.0 | 150.0 | 3433.0 | 12.0 | 70 | 0 | 0 | 1 |
解释
数据清除首先删除数据集中存在的“ nan”。
“映射”功能用于将标签映射到列名。
控制台上显示数据清理后的数据集样本。
-
本文向大家介绍如何使用TensorFlow使用Auto MPG数据集将数据标准化以预测燃油效率？，包括了如何使用TensorFlow使用Auto MPG数据集将数据标准化以预测燃油效率？的使用技巧和注意事项，需要的朋友参考一下 Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，与Python结合使用以实现算法，深度学习应用程序等等。可以使用下面的代码行在Window
-
本文向大家介绍如何使用TensorFlow导入Auto MPG数据集（基本回归）以预测燃油效率的数据？，包括了如何使用TensorFlow导入Auto MPG数据集（基本回归）以预测燃油效率的数据？的使用技巧和注意事项，需要的朋友参考一下 Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，可与Python结合使用，以实现算法，深度学习应用程序等等。它用于研究和生产目
-
本文向大家介绍如何使用Tensorflow和Python整理预处理的数据？，包括了如何使用Tensorflow和Python整理预处理的数据？的使用技巧和注意事项，需要的朋友参考一下 Tensorflow是Google提供的一种机器学习框架。它是一个开放源代码框架，与Python结合使用以实现算法，深度学习应用程序等等。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运算。这是因为它
-
我的模型中有一个，我无法清除资源上的初始导入，因此导入的数据被视为字符串而不是列表。当我导出数据时，它如下所示： 下面的数据来自初始的，没有定制的。上面这些是已清理的数据。 然后如何使用修复当前的并将其转换为？
-
目前为止，我们只是使用了存放在内存中的数据集，但深度学习系统经常需要在大数据集上训练，而内存放不下大数据集。其它的深度学习库通过对大数据集做预处理，绕过了内存限制，但 TensorFlow 通过 Data API，使一切都容易了：只需要创建一个数据集对象，告诉它去哪里拿数据，以及如何做转换就行。TensorFlow 负责所有的实现细节，比如多线程、队列、批次和预提取。另外，Data API 和tf
-
我有一个保存文件路径信息的CSV。如果我将单元格合并在一起并在它们之间添加“/”，就可以创建完整的文件路径。有时这些单元格可以是空的，或者其中有多个目录。Eg.桌面/文件夹A/FolderB 因此，我有了剧本： 这将生成输出测试文件，该文件看起来有点像： 人力资源中心///人力资源中心/文件//， 人力资源中心/员工服务//员工服务-内部/员工服务/程序/a/b/c， HR/HR业务合作伙伴//人