JavaScript机器学习之线性回归

　　

<强>译者按:强人工智能时代,不会机器学习的JavaScript开发者不是好的前端工程师。

　　

　　<李>原文:机器学习JavaScript: 第1部分 　　

　　

　　<李>译者:Fundebug李 　　

　　

<强>为了保证可读性,本文采用意译而非直译。另外,本文版权归原作者所有,翻译仅用于学习。

　　

使用JavaScript做机器学习?不是应该用Python吗?是不是我疯了才用JavaScript做如此繁重的计算?难道我不用Python和R是为了装逼? scikit-learn (Python机器学习库)不能使用Python吧?

　　

嗯,我并没有开玩笑…

　　

其实呢,类似于Python的scikit-learn, JavaScript开发者也开发了一些机器学习库,我打算用一下它们。

　　

JavaScript不能用于机器学习?

　　

　　<李>太慢(幻觉?) 　　<李>矩阵操作太难(有函数库啊,比如<强> math.js ) 　　<李> JavaScript只能用于前端开发(node . js开发者笑了) 　　<李>机器学习库都是Python (JS开发者) 　　

　　

JavaScript机器学习库

　　

　　<李>脑。李js(神经网络) 　　<李>突触(神经网络) 　　<李>自然(自然语言处理) 　　<李> ConvNetJS(卷积神经网络) 　　<李> mljs(一系列AI库) 　　<李> Neataptic(神经网络) 　　<李> Webdnn(深度学习) 　　

　　

我们将使用mljs来实现线性回归,源代码在GitHub仓库:machine-learning-with-js。下面是详细步骤:

　　

1。安装模块

　　

 <代码>美元纱添加ml-regression csvtojson  

　　

或者使用<代码> npm

　　

 <代码> npm美元安装ml-regression csvtojson  

　　

　　<李> ml-regression模块提供了一些<强>回归算法 　　<李> csvtojson模块用于将CSV数据转换为JSON。 　　

　　

2。初始化并导入数据

　　

下载. csv数据。

　　

假设你已经初始化了一个NPM项目,请在<强> index.js 中输入以下内容:

　　

 <=坝镅詊avascript代码类> const毫升=要求(“ml-regression”);
　　const csv=要求(“csvtojson”);
　　const单反=ml.SLR;//线性回归
　　
　　const csvFilePath=" advertising.csv”;//训练数据
　　让csvData=https://www.yisu.com/zixun/[],
　　X=[],
　　y=[];
　　
　　让regressionModel;  

　　

使用csvtojson模块的fromFile方法加载数据:

　　

 <=坝镅詊avascript代码类> csv ()
　　.fromFile (csvFilePath)
　　内(json (jsonObj)=比;{
　　csvData.push (jsonObj);
　　}）
　　内(“完成”,()=比;{
　　dressData ();
　　performRegression ();
　　}); 

　　

3。转换数据

　　

导入的数据为json对象数组,我们需要使用<强> dressData 函数将其转化为两个数据向量<强> x 和<强> y :

　　

 <=坝镅詊avascript代码类>//将JSON数据转换为向量数据
　　函数dressData () {/* *
　　*原始数据中每一行为JSON对象
　　*因此需要将数据转换为向量数据,并将字符串解析为浮点数
　　* {
　　*电视:“10”,
　　*广播:“100”,
　　*报纸:“20”,
　　*“销售”:“1000”
　　*}
　　*/csvData.forEach((行)=比;{
　　X.push (f (row.Radio));
　　y.push (f (row.Sales));
　　}）;
　　}//将字符串解析为浮点数
　　函数f (s) {
　　返回parseFloat (s);
　　} 

　　

4。训练数据并预测

　　

编写<强> performRegression 函数:

　　

 <=坝镅詊avascript代码类>//使用线性回归算法训练数据
　　函数performRegression () {
　　regressionModel=new单反(X, y);
　　console.log (regressionModel.toString (3));
　　predictOutput ();
　　} 

　　

<强> regressionModel 的<强> toString 强方法可以指定参数的精确度。

　　

<强> predictOutput 函数可以根据输入值输出预测值。

　　

 <=坝镅詊avascript代码类>//接收输入数据,然后输出预测值
　　函数predictOutput () {
　　rl.question(“请输入X用于预测(输入CTRL + C退出):”,(答案)=比;{
　　控制台。日志(“当X=${答案}时,预测值y=$ {regressionModel.predict (parseFloat(回答))}”);
　　predictOutput ();
　　}）;
　　} 

　　

<强> predictOutput 函数使用了node . js的Readline模块:

　　

 <=坝镅詊avascript代码类> const readline=要求(“readline”);
　　
　　const rl=readline.createInterface ({
　　输入:process.stdin,
　　输出:process.stdout
　　}); 

　　

5。完整程序

JavaScript机器学习之线性回归