Contoh 1 Data
Pengumpulan Data TensorFlow
Data yang digunakan pada Contoh 1, adalah daftar objek mobil seperti ini:
{
"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"
},
Dataset adalah file JSON yang disimpan di:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
Membersihkan Data
Saat mempersiapkan pembelajaran mesin, selalu penting untuk:
- Hapus data yang tidak Anda butuhkan
- Bersihkan data dari kesalahan
Hapus Data
Cara cerdas untuk menghapus data yang tidak perlu, untuk mengekstrak hanya data yang Anda butuhkan .
Ini dapat dilakukan dengan mengulangi (melakukan pengulangan) data Anda dengan fungsi peta .
Fungsi di bawah ini mengambil objek dan mengembalikan hanya x dan y dari properti Horsepower dan Miles_per_Gallon objek:
function extractData(obj) {
return {x:obj.Horsepower, y:obj.Miles_per_Gallon};
}
Hapus Kesalahan
Sebagian besar kumpulan data mengandung beberapa jenis kesalahan.
Cara cerdas untuk menghilangkan kesalahan adalah dengan menggunakan fungsi filter untuk menyaring kesalahan.
Kode di bawah ini mengembalikan false jika salah satu properti (x atau y) berisi nilai nol:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
Mengambil Data
Saat Anda memiliki peta dan fungsi filter, Anda dapat menulis fungsi untuk mengambil data.
async function runTF() {
const jsonData = await fetch("cardata.json");
let values = await jsonData.json();
values = values.map(extractData).filter(removeErrors);
}
Merencanakan Data
Berikut adalah beberapa kode yang dapat Anda gunakan untuk memplot data:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}