Пример 1 Данные
Сбор данных TensorFlow
Данные, использованные в Примере 1, представляют собой список таких объектов автомобилей:
{
"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"
},
Набор данных представляет собой файл JSON, хранящийся по адресу:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
Очистка данных
При подготовке к машинному обучению всегда важно:
- Удалите данные, которые вам не нужны
- Очистить данные от ошибок
Удалить данные
Умный способ удалить ненужные данные, чтобы извлечь только те данные, которые вам нужны .
Это можно сделать путем повторения (перебора) ваших данных с помощью функции карты .
Функция ниже принимает объект и возвращает только x и y из свойств объекта Horsepower и Miles_per_Gallon:
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
Удалить ошибки
Большинство наборов данных содержат некоторые типы ошибок.
Умный способ удалить ошибки — использовать функцию фильтра для фильтрации ошибок.
Код ниже возвращает false, если одно из свойств (x или y) содержит нулевое значение:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
Получение данных
Когда у вас есть готовые функции карты и фильтра, вы можете написать функцию для получения данных.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
График данных
Вот некоторый код, который вы можете использовать для построения данных:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}