示例2 数据

示例 2 使用与示例 1 相同的源代码。

但是，由于使用了另一个数据集，因此代码必须收集其他数据。

数据采集

示例 2 中使用的数据是房屋对象的列表：

{
"Avg. Area Income": 79545.45857,
"Avg. Area House Age": 5.682861322,
"Avg. AreaNumberofRooms": 7.009188143,
"Avg. Area Number of Bedrooms": 4.09,
"Area Population": 23086.8005,
"Price": 1059033.558,
},
{
"Avg. Area Income": 79248.64245,
"Avg. Area House Age": 6.002899808,
"Avg. AreaNumberofRooms": 6.730821019,
"Avg. Area Number of Bedrooms": 3.09,
"Area Population": 40173.07217,
"Price": 1505890.915,
},

数据集是一个 JSON 文件，存储在：

https://github.com/meetnandu05/ml1/blob/master/house.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:'Rooms', yLabel:'Price',});
}

亲自试一试 »