JavaScript для глубокого обучения 2021 TensorFlow js Ббк

90
Часть II • Введение в TensorFlow.js
Рис. 2.11.
Пример линейной регрессии для бостонских цен на недвижимость из tfjs-examples
Все данные заранее разбиты случайным образом на обучающий и контрольный 
фрагменты. Примерно две трети примеров данных включены в обучающий фраг­
мент, а оставшаяся треть отводится на независимую оценку обученной модели. Кро­
ме того, для каждого из фрагментов целевой признак вынесен в особый CSV­файл, 
отдельно от остальных признаков, в результате чего получились четыре названия 
файлов, перечисленные в табл. 2.2.
Таблица 2.2.
Названия файлов в соответствии с фрагментом и содержимым для набора данных 
о бостонских ценах на недвижимость
Признаки (12 чисел)
Цель (1 число)
Разбиение на тестовые 
и контрольные данные
Обучение
train­data.csv
train­target.csv
Проверка
test­data.csv
test­target.csv
Чтобы подтянуть эти данные в наше приложение, необходимо их скачать и пре­
образовать в тензор соответствующего типа и формы. В файле 
data.js
проекта 
Boston­housing для этой цели описан класс 
BostonHousingDataset
. Он абстрагирует 
потоковые операции над набором данных и предоставляет API для извлечения не­
форматированных данных в виде числовых матриц. Внутри класса используется 

---

Глава 2. Приступим: простая линейная регрессия в TensorFlow.js
91
общедоступная библиотека с открытым исходным кодом PapaParse (см. 
http://
www.pa paparse.com/
) для потоковой передачи и разбора удаленных CSV­файлов. 
После загрузки и разбора файла библиотека возвращает массив массивов чисел, 
который затем преобразуется в тензор с помощью того же API, что и в первом 
примере, как показано в листинге 2.7 — слегка сокращенной выдержке из файла 
index.js
с упором на интересующие нас места.
Листинг 2.7.
Преобразование данных проекта Boston-housing в тензоры в файле index.js
// Инициализация объекта BostonHousingDataset, описанного в файле data.js
const bostonData = new BostonHousingDataset();
const tensors = {};
// Преобразование загруженных CSV-данных типа number[][] в двумерные тензоры
export const arraysToTensors = () => {
tensors.rawTrainFeatures =