Dự đoán MPG với mô hình DNN trên tập dữ liệu Auto MPG bằng TensorFlow

TensorFlow là framework học máy mã nguồn mở của Google, dùng với Python cho thuật toán và học sâu. Tensor (mảng đa chiều) là cấu trúc dữ liệu cốt lõi, biểu diễn các cạnh trong đồ thị luồng dữ liệu.

Cài đặt:

pip install tensorflow

Bài toán hồi quy (regression) nhằm dự đoán biến liên tục/riết như giá, xác suất, mưa hay không. Tập dữ liệu Auto MPG chứa hiệu suất nhiên liệu của xe hơi thập niên 1970-1980 với các thuộc tính: trọng lượng, mã lực, dung tích xi-lanh... Mục tiêu: dự đoán MPG (miles per gallon) của xe cụ thể.

Chạy trên Google Colab (Python trên trình duyệt, GPU miễn phí, dựa trên Jupyter Notebook).

Ví dụ

print("Đang xây dựng và biên dịch mô hình")
dnn_model = build_compile_model(normalizer)

print("Hiển thị tóm tắt thống kê")
dnn_model.summary()

print("Huấn luyện mô hình (fit data)")
history = dnn_model.fit(
    train_features, train_labels,
    validation_split=0.2,
    verbose=0, epochs=100)

print("Trực quan hóa lỗi theo epoch")
plot_loss(history)

print("Đánh giá dự đoán trên tập test")
test_results['dnn_model'] = dnn_model.evaluate(test_features, test_labels, verbose=0)
pd.DataFrame(test_results, index=['Mean absolute error [MPG]']).T

Nguồn mã: TensorFlow Regression Tutorial

Đầu ra

Dự đoán MPG với mô hình DNN trên tập dữ liệu Auto MPG bằng TensorFlow

Giải thích

Xây dựng và biên dịch mô hình DNN.
Hiển thị thống kê mô hình qua summary().
Huấn luyện (fit) mô hình với dữ liệu train, validation split 20%.
Vẽ biểu đồ loss (lỗi) theo số epoch.
Đánh giá mô hình trên tập test, so sánh MAE.
DNN cho kết quả tốt hơn hồi quy tuyến tính đơn giản.