Chuẩn hóa dữ liệu dự đoán hiệu suất nhiên liệu Auto MPG với TensorFlow

TensorFlow (Google) framework học máy mã nguồn mở. Cài đặt: pip install tensorflow. Tensor: mảng đa chiều.

Bài toán hồi quy: dự đoán biến liên tục. Dữ liệu Auto MPG: xe hơi thập niên 70-80. Dự đoán MPG.

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

Ví dụ

print("Tách nhãn (label) khỏi đặc trưng (features)")
train_features = train_dataset.copy()
test_features = test_dataset.copy()
train_labels = train_features.pop('MPG')
test_labels = test_features.pop('MPG')

print("Trung bình và độ lệch chuẩn tập train:")
train_dataset.describe().transpose()[['mean', 'std']]

print("Chuẩn hóa đặc trưng do thang đo khác nhau")
print("Tạo lớp chuẩn hóa (Normalization layer)")
normalizer = preprocessing.Normalization()
normalizer.adapt(np.array(train_features))
print(normalizer.mean.numpy())

first = np.array(train_features[3:4])
print("Mỗi đặc trưng đã được chuẩn hóa riêng lẻ")
with np.printoptions(precision=2, suppress=True):
    print('Ví dụ đầu tiên:', first)
    print()
    print('Dữ liệu chuẩn hóa:', normalizer(first).numpy())

Nguồn mã: TensorFlow Regression Tutorial

Đầu ra

Tách nhãn (label) khỏi đặc trưng (features)
Trung bình và độ lệch chuẩn tập train:
Chuẩn hóa đặc trưng do thang đo khác nhau
Tạo lớp chuẩn hóa (Normalization layer)
[ 5.467 193.847 104.135 2976.88 15.591 75.934 0.168 0.197 0.635]
Mỗi đặc trưng đã được chuẩn hóa riêng lẻ
Ví dụ đầu tiên: [[ 4. 105. 63. 2125. 14.7 82. 0. 0. 1. ]]
Dữ liệu chuẩn hóa: [[-0.87 -0.87 -1.11 -1.03 -0.33 1.65 -0.45 -0.5 0.76]]

Giải thích

• Tách biến mục tiêu (label - MPG) khỏi đặc trưng (features).
• Label là giá trị cần dự đoán.
• Chuẩn hóa features để huấn luyện ổn định (thang đo khác nhau).
• Lớp Normalization của TensorFlow tiền xử lý dữ liệu.
• Tạo lớp đầu, lưu mean và variance.
• Khi gọi lớp này, trả về dữ liệu đầu vào đã chuẩn hóa từng feature.