JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Листинг 7.4.
Создание столбчатой диаграммы с помощью функции tfvis.render.barchart()
Рис. 7.3.
Столбчатая диаграмма, состоящая как из строковых, так и из числовых столбцов. 
Создана с помощью кода из листинга 7.4

---

294
Часть III • Продвинутые возможности глубокого обучения с TensorFlow.js
Гистограммы
Три вышеописанных типа графиков позволяют строить зависимости определенных 
величин. Иногда не столь важны подробные количественные значения, как 
распре-
деление
значений. Представьте себе экономиста, изучающего данные по годовым 
доходам семей из результатов общегосударственной переписи. Для него наибольший 
интерес представляют не подробные показатели доходов. В них содержится слишком 
много информации (да, иногда слишком много информации тоже плохо!). Вместо 
них он предпочел бы более краткие сводные показатели дохода. Ему интересно рас­
пределение этих значений, то есть сколько из них меньше $20 000, сколько в диа­
пазоне от $20 000 до 40 000 или от $40 000 до 60 000 и т. д. Для решения подобной 
задачи визуализации и служат 
гистограммы
(histograms).
В гистограмме значения распределяются по 
интервалам
(bins), иногда назы­
ваемым 
«корзинами»
. Эти интервалы — просто непрерывные диапазоны значений 
величины со своими нижними и верхними границами. Обычно выбираются смежные 
интервалы, чтобы охватить все возможные значения. В предыдущем примере эко­
номист мог бы воспользоваться следующими интервалами значений: 0 ~ 20 тыс., 
20 тысяч ~ 40 тысяч, 40 тысяч ~ 60 тысяч и т. д. После выбора множества из 
N
ин­
тервалов значений пишется программа для подсчета количества отдельных точек 
данных, попадающих в каждый из интервалов, в результате выполнения которой 
получается 
N
чисел (по одному для каждого интервала значений). А если построить 
график этих чисел с помощью вертикальных столбцов, то и получится гистограмма.
Все вышеописанные шаги реализованы в функции 
tfvis.render.histogram()
. Она 
освобождает вас от забот по определению границ интервалов и подсчету числа при­
меров данных в них. Для вызова 
histogram()
достаточно передать в нее массив чисел, 
как показано в листинге 7.5. Никакой упорядоченности этих чисел не требуется.
Листинг 7.5.
Визуализация распределения значений с помощью tfvis.render.histogram()
В листинге 7.5 есть два несколько отличающихся вызова функции 
histogram()
. 
При первом вызове не задается никаких пользовательских опций, за исключением 
ширины графика, и 
histogram()
рассчитывает интервалы значений с помощью 
встроенных эвристических механизмов. В итоге получается семь «корзин»: –4 ~ –2, 
–2 ~ 0, 0 ~ 2… 8 ~ 10, как показано слева на рис. 7.4. При разбиении значений по этим 
интервалам самое большое значение (4) оказывается в «корзине» 4 ~ 6, поскольку 

---