深度学习入坑笔记之五

本次笔记来源于Tensorflow官方教程的Basic regression: Predict fuel efficiency。主要针对数据内容进行一些简要说明。
原教程使用了经典的AUTO MPG数据集，构建了一个用来预测70年代末到80年代初汽车燃油效率的模型。模型的预测目标是燃油效率—MPG，参数包括：气缸数、排量、马力及重量等。

燃油效率数据集获取

#搭建环境，引入数据库 from __future__ import absolute_import, division, print_function, unicode_literals import warnings warnings.filterwarnings('ignore') import pathlib import matplotlib.pyplot as plt import pandas as pd import seaborn as sns import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers12345678910111213

第一步，首先下载数据集

dataset_path = keras.utils.get_file("auto-mpg.data", "http://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data") dataset_path1

'C:UsersDELL.kerasdatasetsauto-mpg.data' 1

由于我之前下载过数据集，因此直接会显示数据集的存储位置，在用pandas导入数据集之前，我们可以先用VS打开我们下载的数据集，看一看数据集具体什么样子

如上图所示，我截取的是数据集的最后几行，截取最后几行的原因下文会有解释。现在我们用pandas导入数据集列的标签

column_names = ['MPG', 'Cylinders','Displacement','Horsepower','Weight', 'Acceleration', 'Model Year', 'Origin']#添加列标签 #读取csv文件，其中第一行引入列标签 raw_dataset = pd.read_csv(dataset_path, names=column_names, na_values = "?", comment='t', sep=" ", skipinitialspace=True) dataset = raw_dataset.copy() dataset.tail()#显示最后五行数据 1234567

上图显示的就是数据集最后五行的数据，这是我们截图最后几行数据的原因~

数据集中包含一些错误数据，我们需要检测并清除掉

dataset.isna().sum()#ISNA函数，是用来检测一个值是否为#N/A，返回TRUE或FALSE

上述代码中，ISNA函数，是用来检测一个值是否为#N/A，返回TRUE或FALSE

MPG 0 Cylinders 0 Displacement 0 Horsepower 6 Weight 0 Acceleration 0 Model Year 0 Origin 0 dtype: int64 123456789

为了保证这个初始示例的简单性，删除这些行。

dataset = dataset.dropna()

其中，’Origin‘列实际代表了分类，而非一个数字。所以把它转换为独热码（one-hot）

origin = dataset.pop(

相关知识

动手学深度学习笔记(一)
机器学习(深度学习）笔记
重磅！深度学习圣经“花书”核心笔记、代码发布
重磅！花书《深度学习》，这份精炼笔记可能是最全面的
完结撒花！吴恩达DeepLearning.ai《深度学习》课程笔记目录总集
深度学习 deep learning 花书 pdf下载
基于深度学习和迁移学习的识花实践
基于深度学习的手写汉字识别技术研究
Re: 犹豫要不要入三角梅坑
苦科入坑经历

网址: 深度学习入坑笔记之五 https://www.huajiangbk.com/newsview948302.html