Voorbeeld 1 Data
TensorFlow-data-insameling
Die data wat in Voorbeeld 1 gebruik word, is 'n lys van motorvoorwerpe soos hierdie:
{
"Name": "chevrolet chevelle malibu",
"Miles_per_Gallon": 18,
"Cylinders": 8,
"Displacement": 307,
"Horsepower": 130,
"Weight_in_lbs": 3504,
"Acceleration": 12,
"Year": "1970-01-01",
"Origin": "USA"
},
{
"Name": "buick skylark 320",
"Miles_per_Gallon": 15,
"Cylinders": 8,
"Displacement": 350,
"Horsepower": 165,
"Weight_in_lbs": 3693,
"Acceleration": 11.5,
"Year": "1970-01-01",
"Origin": "USA"
},
Die datastel is 'n JSON-lêer wat gestoor word by:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
Skoonmaak data
Wanneer jy vir masjienleer voorberei, is dit altyd belangrik om:
- Verwyder die data wat jy nie nodig het nie
- Maak die data skoon van foute
Verwyder data
'N slim manier om onnodige data te verwyder, dit om net die data wat jy nodig het te onttrek .
Dit kan gedoen word deur jou data met 'n kaartfunksie te herhaal (lus oor ) .
Die funksie hieronder neem 'n voorwerp en gee slegs x en y terug vanaf die voorwerp se Horsepower en Miles_per_Gallon eienskappe:
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
Verwyder foute
Die meeste datastelle bevat een of ander tipe foute.
'n Slim manier om foute te verwyder, is om 'n filterfunksie te gebruik om die foute uit te filter.
Die kode hieronder gee onwaar as een van die eienskappe (x of y) 'n nulwaarde bevat:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
Haal tans data
Wanneer jy jou kaart- en filterfunksies gereed het, kan jy 'n funksie skryf om die data te gaan haal.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
Die plot van die data
Hier is 'n paar kode wat jy kan gebruik om die data te plot:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}