Xây dựng mô hình DNN trên Auto MPG dataset với TensorFlow

TensorFlow (Google) là framework học máy mã nguồn mở, dùng Python, tối ưu tính toán bằng NumPy và tensor (mảng đa chiều). Hỗ trợ mạng nơ-ron sâu, dùng trong nghiên cứu và sản xuất.

Tập dữ liệu Auto MPG: hiệu suất nhiên liệu xe hơi thập niên 70-80, các đặc trưng: trọng lượng, mã lực, dung tích... Dự đoán MPG.

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

Ví dụ

print("Mô hình DNN")
history = dnn_horsepower_model.fit(
    train_features['Horsepower'], train_labels,
    validation_split=0.2,
    verbose=0, epochs=100)

print("Lỗi theo từng epoch")
plot_loss(history)

x = tf.linspace(0.0, 250, 251)
y = dnn_horsepower_model.predict(x)
plot_horsepower(x, y)

test_results['dnn_horsepower_model'] = dnn_horsepower_model.evaluate(
    test_features['Horsepower'], test_labels, verbose=0)

Nguồn mã: TensorFlow Regression Tutorial

Đầu ra

Xây dựng mô hình DNN trên Auto MPG dataset với TensorFlow

Giải thích

DNN (mạng nơ-ron sâu) với đầu vào đơn lẻ: Horsepower (mã lực).
Huấn luyện mô hình trên dữ liệu train.
Vẽ biểu đồ lịch sử loss (tham số thống kê trong history).
Dự đoán trên dải giá trị mã lực và vẽ đường cong hồi quy.
Đánh giá hiệu suất trên tập test bằng evaluate().