Contoh 2 Data
Contoh 2 menggunakan kode sumber yang sama dengan Contoh 1.
Namun, karena dataset lain digunakan, kode tersebut harus mengumpulkan data lain.
Pengumpulan data
Data yang digunakan dalam Contoh 2, adalah daftar objek rumah:
{
"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,
},
Dataset adalah file JSON yang disimpan di:
https://github.com/meetnandu05/ml1/blob/master/house.jsonMembersihkan 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:'Rooms', yLabel:'Price',});
}