示例 1 数据
TensorFlow 数据收集
示例 1 中使用的数据是这样的汽车对象列表:
{
"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"
},
数据集是存储在以下位置的 JSON 文件:
https://storage.googleapis.com/tfjs-tutorials/carsData.json
清理数据
在准备机器学习时，始终重要的是:
- 删除不需要的数据
- 清除错误数据
删除数据
一种删除不必要数据的聪明方法，它只提取您需要的数据。
这可以通过使用 map 函数迭代（循环）您的数据来完成。
下面的函数接受一个对象，并从对象的马力和 Miles_per_Gallon 属性中返回仅 x 和 y:
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。
消除错误的一种聪明方法是使用过滤功能来过滤掉错误。
如果属性（x 或 y）中的一个包含空值，则以下代码返回 false:
function removeErrors(obj) {
return obj.x != null && obj.y != null;
}
获取数据
当您准备好地图和过滤器功能后，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);
}
绘制数据
这里有一些代码可以用来绘制数据:
function tfPlot(values, surface) {
tfvis.render.scatterplot(surface,
{values:values, series:['Original','Predicted']},
{xLabel:'Horsepower', yLabel:'MPG'});
}
