技术编程,AI人工智能|深受 Pandas 启发的 JavaScript 开源库 — Danfo.js 现已推出！( 三 )
Xtrain = df.iloc({ columns: [`1:`] })
ytrain = df[ 'Survived']
letscaler = new dfd.MinMaxScaler
scaler.fit(Xtrain)
Xtrain = scaler.transform(Xtrain)
}
接下来使用 TensorFlow.js 创建一个简单的神经网络 。
functionget_model{
const model = tf.sequential;
model.add(tf.layers.dense({ inputShape: [7], units: 124, activation: 'relu', kernelInitializer: 'leCunNormal'}));
model.add(tf.layers.dense({ units: 64, activation: 'relu'}));
model.add(tf.layers.dense({ units: 32, activation: 'relu'}));
model.add(tf.layers.dense({ units: 1, activation: "sigmoid"}))
model.summary;
returnmodel
}
最后进行训练 ， 首先将模型和处理后的数据加载为张量 。这可以直接馈送到神经网络 。
async functiontrain{
const model = await get_model
const data = http://www.sos110.com/show/12/138451/await load_process_data
const Xtrain = data[0]
const ytrain = data[1]
model.compile({
optimizer: "rmsprop",
loss: 'binaryCrossentropy',
metrics: [ 'accuracy'],
});
console.log( "Training started....")
await model.fit(Xtrain, ytrain,{
batchSize: 32,
epochs: 15,
validationSplit: 0.2,
callbacks:{
console.log(`EPOCH ( ${epoch + 1}): Train Accuracy: ${(logs.acc * 100).toFixed(2)},
Val Accuracy: ${(logs.val_acc * 100).toFixed(2)}n`);
}
}
});
};
train
结语
基于网络的机器学习已经日趋成熟 ， 对应的专用高效数据科学工具必不可少 。类似 Danfo.js 的工具让基于网络的应用可以轻松支持 ML 特性 ， 从而让应用生态系统更加丰富多彩 。
这场变革始于 TensorFlow.js 为 Python 带来的 ML 功能 。我们希望为 Danfo.js 作为高效的同伴一路提供支持 。我们对 Danfo.js 的发展充满期待！希望它也能成为网络社区的关键成员 。在 CodePen 上操作 Danfo.js官方入门指南Github 仓库OneHotEncodersLabelEncodersStandardScalerMinMaxScaler
【技术编程,AI人工智能|深受 Pandas 启发的 JavaScript 开源库 — Danfo.js 现已推出！】SegmentFault 思否社区和文章作者展开更多互动和交流 。
推荐阅读
- 新科技嗅|人工智能可以应用在哪些方面
- 行业互联网|华为 | 车载以太网物理层及TSN发展现状 与技术趋势
- 技术编程|什么是Plesk虚拟主机控制面板？
- 电池技术|法国发明出世界最快的电极：可将锂电池的密度提高3倍
- 技术编程|人工智能在大视频运维中如何实现CDN硬盘故障预测？
- 电池技术|关于惠州赣锋建设高端聚合物锂电池研发及生产基地建设，赣锋锂业要干大事
- |加速冲刺世界级技术领先地位，大族机器人获1.65亿元A轮融资
- 新加坡|新加坡大学生人工智能创新大赛开幕式举行 星环科技提供建模平台
- 解码器|苹果 ProRes 视频编解码器获 2020 技术工程艾美奖
- 数据|徐叶润：另类数据技术是驱动资管科技的核心