Örnek 1 Veri
TensorFlow Veri Toplama
Örnek 1'de kullanılan veriler, aşağıdaki gibi araba nesnelerinin bir listesidir:
{
"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"
},
Veri kümesi, şu adreste depolanan bir JSON dosyasıdır:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
Verileri Temizleme
Makine öğrenimine hazırlanırken şunlar her zaman önemlidir:
- İhtiyacınız olmayan verileri kaldırın
- Verileri hatalardan temizleyin
Verileri Kaldır
Gereksiz verileri kaldırmanın akıllı bir yolu, yalnızca ihtiyacınız olan verileri çıkarmaktır .
Bu, verilerinizi bir harita işleviyle yineleyerek (döngü yaparak) yapılabilir .
Aşağıdaki işlev bir nesneyi alır ve nesnenin Beygir Gücü ve Miles_per_Gallon özelliklerinden yalnızca x ve y'yi döndürür:
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
Hataları Kaldır
Çoğu veri kümesi bir tür hata içerir.
Hataları ortadan kaldırmanın akıllı bir yolu, hataları filtrelemek için bir filtre işlevi kullanmaktır .
Aşağıdaki kod, özelliklerden biri (x veya y) boş bir değer içeriyorsa false döndürür:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
Veri işleniyor
Haritanız ve filtre fonksiyonlarınız hazır olduğunda, verileri getirmek için bir fonksiyon yazabilirsiniz.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
Verileri Çizmek
Verileri çizmek için kullanabileceğiniz bazı kodlar:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}