Как создать модель для набора данных CSV и рассчитать прогнозируемый результат, используя TensorFlow JS - PullRequest
Новая
       60

Как создать модель для набора данных CSV и рассчитать прогнозируемый результат, используя TensorFlow JS

0 голосов
/ 20 февраля 2019

Я новичок в TensorFlow JS.Я следовал документации TensorFlow JS, чтобы создать модель и обучить ее рассчитывать прогнозируемый результат на основе созданной модели.

Но я не знаю, как обучить созданную модель для файла CSV и рассчитать прогнозируемый результат для двух или болеестолбец в файле CSV.

Может кто-нибудь подсказать мне пример для создания модели обучения с файлом CSV и для расчета прогнозируемого результата? 

const csvUrl = 'https://storage.googleapis.com/tfjs-examples/multivariate-linear-regression/data/boston-housing-train.csv';

function save(model) {
    return model.save('downloads://boston_model');
}

function load() {
    return tf.loadModel('indexeddb://boston_model');
}

async function run() {
  // We want to predict the column "medv", which represents a median value of a
  // home (in $1000s), so we mark it as a label.
  const csvDataset = tf.data.csv(
    csvUrl, {
      columnConfigs: {
        medv: {
          isLabel: true
        }
      }
    });
  // Number of features is the number of column names minus one for the label
  // column.
  const numOfFeatures = (await csvDataset.columnNames()).length - 1;

  // Prepare the Dataset for training.
  const flattenedDataset =
    csvDataset
    .map(([rawFeatures, rawLabel]) =>
      // Convert rows from object form (keyed by column name) to array form.
      [Object.values(rawFeatures), Object.values(rawLabel)])
    .batch(10);

  // Define the model.
  const model = tf.sequential();
  model.add(tf.layers.dense({
    inputShape: [numOfFeatures],
    units: 1
  }));
  model.compile({
    optimizer: tf.train.sgd(0.000001),
    loss: 'meanSquaredError'
  });

  // Fit the model using the prepared Dataset
  model.fitDataset(flattenedDataset, {
    epochs: 10,
    callbacks: {
      onEpochEnd: async (epoch, logs) => {
        console.log(epoch, logs.loss);
      }
    }
  });

  const savedModel=save(model);
}

run().then(() => console.log('Done'));

1 Ответ

0 голосов
/ 20 февраля 2019

Используя tf.data.csv , вы можете обучать модель с помощью файла csv.

Однако браузер не может напрямую прочитать файл.Отныне вы должны предоставить CSV-файл на локальном сервере

Обновление

В вашей модели используется только один персептрон.Использование нескольких персептронов может помочь улучшить точность модели, то есть добавить несколько слоев.Вы можете посмотреть здесь как это делается.

...