菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

示例 2 数据

示例 2 使用与示例 1 相同的源代码。

但是,由于使用了不同的数据集,因此代码必须收集其他数据。

数据收集

示例 2 使用的数据是房屋对象列表

{
"平均区域收入": 79545.45857,
"平均房屋年龄": 5.682861322,
"平均房间数": 7.009188143,
"平均卧室数量": 4.09,
"区域人口": 23086.8005,
"价格": 1059033.558,
},
{
"平均区域收入": 79248.64245,
"平均房屋年龄": 6.002899808,
"平均房间数": 6.730821019,
"平均卧室数量": 3.09,
"区域人口": 40173.07217,
"价格": 1505890.915,
},

该数据集是一个 JSON 文件,存储在

https://github.com/meetnandu05/ml1/blob/master/house.json

Cleaning Data

在准备机器学习时,始终重要的是

  • 移除您不需要的数据
  • 清理数据中的错误

移除数据

移除不必要数据的一种智能方法是提取您所需的数据

这可以通过使用map 函数迭代(循环遍历)您的数据来完成。

下面的函数接受一个对象,并仅从对象的 Horsepower 和 Miles_per_Gallon 属性中返回x 和 y

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


移除错误

大多数数据集都包含某些类型的错误。

移除错误的一种智能方法是使用filter 函数来过滤掉错误。

以下代码将在其中一个属性(x 或 y)包含 null 值时返回 false

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

获取数据

准备好 map 和 filter 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);
}

自己动手试一试 »


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',});
}

自己动手试一试 »


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持