مثال 1 البيانات
جمع بيانات TensorFlow
البيانات المستخدمة في المثال 1 هي قائمة بأشياء السيارات مثل هذا:
{
"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"
},
مجموعة البيانات عبارة عن ملف JSON مخزن في:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
بيانات التنظيف
عند التحضير للتعلم الآلي ، من المهم دائمًا:
- قم بإزالة البيانات التي لا تحتاج إليها
- تنظيف البيانات من الأخطاء
إزالة البيانات
طريقة ذكية لإزالة البيانات غير الضرورية ، لاستخراج البيانات التي تحتاجها فقط .
يمكن القيام بذلك عن طريق تكرار (تكرار) بياناتك باستخدام وظيفة الخريطة .
تأخذ الوظيفة أدناه كائنًا وتُرجع x و y فقط من خصائص Horsepower و Miles_per_Gallon للكائن:
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
إزالة الأخطاء
تحتوي معظم مجموعات البيانات على نوع من الأخطاء.
طريقة ذكية لإزالة الأخطاء هي استخدام وظيفة التصفية لتصفية الأخطاء.
ترجع الكود أدناه خطأ إذا كانت إحدى الخصائص (x أو y) تحتوي على قيمة فارغة:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
جلب البيانات
عندما تكون لديك وظائف الخريطة والتصفية جاهزة ، يمكنك كتابة وظيفة لجلب البيانات.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
رسم البيانات
إليك بعض التعليمات البرمجية التي يمكنك استخدامها لرسم البيانات:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}