Exemple 1 Données
Collecte de données TensorFlow
Les données utilisées dans l'exemple 1 sont une liste d'objets voiture comme celle-ci :
{
"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"
},
L'ensemble de données est un fichier JSON stocké à :
https://storage.googleapis.com/tfjs-tutorials/carsData.json
Données de nettoyage
Lors de la préparation à l'apprentissage automatique, il est toujours important de :
- Supprimez les données dont vous n'avez pas besoin
- Nettoyer les données des erreurs
Supprimer les données
Un moyen intelligent de supprimer les données inutiles, c'est d'extraire uniquement les données dont vous avez besoin .
Cela peut être fait en itérant (en bouclant) vos données avec une fonction map .
La fonction ci-dessous prend un objet et renvoie uniquement x et y à partir des propriétés Horsepower et Miles_per_Gallon de l'objet :
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
Supprimer les erreurs
La plupart des ensembles de données contiennent un certain type d'erreurs.
Une façon intelligente de supprimer les erreurs consiste à utiliser une fonction de filtrage pour filtrer les erreurs.
Le code ci-dessous renvoie false si l'une des propriétés (x ou y) contient une valeur nulle :
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
Récupération des données
Lorsque vos fonctions de carte et de filtre sont prêtes, vous pouvez écrire une fonction pour récupérer les données.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
Tracer les données
Voici un code que vous pouvez utiliser pour tracer les données :
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}