示例1 数据

TensorFlow 数据收集

示例 1 中使用的数据是一个汽车对象列表，如下所示：

{
  "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"
},

数据集是一个 JSON 文件，存储在：

https://storage.googleapis.com/tfjs-tutorials/carsData.json

清洗数据

在准备机器学习时，以下几点始终很重要：

删除不需要的数据
清除数据中的错误

删除数据

删除不必要数据的明智方法是提取仅您需要的数据。

这可以通过使用迭代（循环）您的数据来完成地图功能。

下面的函数接受一个对象并返回只有 x 和 y从对象的 Horsepower 和 Miles_per_Gallon 属性：

function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}

删除错误

大多数数据集都包含某种类型的错误。

消除错误的一个聪明方法是使用过滤功能来过滤掉错误。

如果其中一个属性（x 或 y）包含 null 值，下面的代码将返回 false：

function removeErrors(obj) {
return obj.x != null && obj.y != null;
}

获取数据

当您准备好映射和过滤函数后，您可以编写一个函数来获取数据。

async function runTF() {
  const jsonData = await fetch("cardata.json");
  let values = await jsonData.json();
  values = values.map(extractData).filter(removeErrors);
}

亲自试一试 »

绘制数据

以下是一些可用于绘制数据的代码：

function tfPlot(values, surface) {
  tfvis.render.scatterplot(surface,
    {values:values, series:['Original','Predicted']},
    {xLabel:'Horsepower', yLabel:'MPG'});
}

亲自试一试 »