Vytvoříme jednoduchý model strojového učení, který předpovídá dojezd elektromobilu na základě okolní teploty. Předpokládejme, že máme k dispozici trénovací data, kde každý záznam obsahuje okolní teplotu a odpovídající dojezd elektromobilu.
Pro tuto ukázkovou simulaci vytvoříme umělá trénovací data, která budou demonstrovat lineární závislost mezi teplotou a dojezdem – tedy s rostoucí teplotou bude rostoucí i dojezd.
Použijeme jednoduchý lineární regresní model pomocí TensorFlow a Keras.
Tento kód vytvoří lineární regresní model, který se snaží najít nejlepší způsob, jak popsat vztah mezi teplotou a dojezdem. Poté, co je model natrénovaný, můžeme ho použít k předpovědi dojezdu pro zadanou teplotu.
Zde je ukázka výstupu našeho vzorového příkladu:
Shrnutí: Tento program demonstruje, jak lze pomocí metody strojového učení nazvané lineární regrese předpovědět dojezd elektromobilu na základě okolní teploty. Program vytváří umělá trénovací data, která demonstrují lineární závislost mezi teplotou a dojezdem – s rostoucí teplotou roste i dojezd. Trénovací data jsou poté použita k natrénování modelu lineární regrese, který je implementován pomocí knihovny TensorFlow.
Model lineární regrese je jednoduchý typ prediktivního statistického modelu, který se snaží popsat vztah mezi dvěma proměnnými lineární funkcí. V tomto případě model popisuje vztah mezi okolní teplotou (nezávislou proměnnou) a dojezdem elektromobilu (závislou proměnnou).
Po natrénování modelu je možné ho použít k předpovědi dojezdu pro zadanou teplotu. Program také vizualizuje trénovací data a předpovědi modelu na grafu. Tímto způsobem může uživatel snadno zjistit, jak dobře model předpovídá dojezd na základě teploty.
Tento příklad je základním ukazatelem možností strojového učení v praxi a lze jej dále rozšířit o další proměnné, například stav baterie nebo rychlost jízdy, které by mohly také ovlivnit dojezd elektromobilu.
