JavaScript 机器学习:第 1 部分
JavaScript 机器学习:第 1 部分
原文：https://medium.com/hackernoon/machine-learning-with-javascript-part-1-9b97f3ed4fe5
你认为这不容易
Linear Regression Plot using plot.ly
这是正在进行的系列用 JavaScript 进行机器学习的第 1 部分。下面是 第二部分。
JAVASCRIPT？！我不应该用 Python 吗？我是不是疯了，才尝试用 JavaScript 进行那些繁重的计算？我是不是在用一种不是 Python 或者 R 的语言来装酷？scikit-learn 连 JavaScript 都不行？简短回答:没有，我没醉。
长话短说:有可能，实际上我很惊讶开发者没有给予它应有的关注。就scikit-learn而言，JS 的人已经做了他们自己的一套库来对抗它，我也要用一个。但是首先，关于机器学习。请随意登上这艘火箭🚀然后跳到代码上。
根据亚瑟·塞缪尔的说法，机器学习为计算机提供了无需明确编程就能学习的能力。换句话说，它赋予计算机自主学习和执行正确指令的能力，无需你为它们提供方向。
它已经存在很长时间了，谷歌从移动优先战略转向人工智能优先战略。
为什么 JavaScript 不和 ML 一起提？
- 慢点。( 神话！？！ )
- 矩阵操作很难。(有库，比如
**math.js**) - 只关心 Web 开发。(在外面的某个地方， Node.js 在笑。)
- 库通常是为 Python 制作的。(JS 的人也不落后)
JavaScript 中有一些带有预制机器学习算法的库，比如线性回归、支持向量机、朴素贝叶斯等等。这是其中的一些，
- brain.js (神经网络)
- 突触(神经网络)
- 自然(自然语言处理)
- 卷积神经网络
- mljs (一组具有多种功能的子库)
- [neaptic](http://DNN Execution Framework o)(神经网络)
- Webdnn (深度学习)
我们将使用 mljs 的回归库来执行一些线性回归魔法。所有代码都在 Github 上:带 js 的机器学习
第一步。安装库
$ yarn add ml-regression csvtojson或者如果你喜欢npm
$ npm install ml-regression csvtojsonml-regression顾名思义。
csvtojson是 node.js 的快速 csv 解析器，允许加载csv数据文件并将其转换为JSON。
第二步。初始化库并加载数据
下载数据文件(。csv)并将其放入您的项目中。
假设您已经初始化了一个空的 npm 项目，打开您的index.js文件并输入以下内容。(如果你愿意，你可以复制/粘贴，但为了更好地理解，我更喜欢自己打出来。)
我把文件放在项目的根目录下，所以，如果你把它放在其他地方，确保你同样更新了csvFilePath变量。
很漂亮，是吧？
现在我们将使用csvtojson的fromFile方法来加载我们的数据文件。
第三步。整理数据，为执行做好准备
我们在csvData中保存的 JSON 对象是很好的对象，我们需要一个输入数据点和输出数据点的数组。我们将通过一个将填充我们的X和y变量的dressData函数来运行我们的数据。
第四步。训练你的模型并开始预测
既然我们的数据已经被成功地穿戴好了，那么是时候训练我们的模型了。
为此，我们将编写一个performRegression函数:
regressionModel有一个方法toString，它接受一个名为 precision 的浮点输出参数。
predictOutput功能允许您输入输入值，并将预测输出输出到您的控制台。
下面是它的样子:(注意，我使用的是 Node.js 的 readline 实用程序)
下面是添加阅读用户输入的代码:
第五步。万岁！你做到了。拍拍自己的背。
如果您遵循了这些步骤，您的 index.js 应该是这样的:
转到您的终端并运行node index.js，它将输出如下内容:
$ node index.jsf(x) = 0.202 * x + 9.31
Enter input X for prediction (Press CTRL+C to exit) : 151.5
At X = 151.5, y = 39.98974927911285
Enter input X for prediction (Press CTRL+C to exit) :恭喜你。您刚刚用 JavaScript 训练了您的第一个线性回归模型。(你注意到速度了吗？)
如果你很兴奋，去看看第二部。
PS: 我准备用
*ml*和其他库(以上列出！)在各种数据集上执行流行的机器学习算法。留意我的资料，或者你可以放自己一马，跟着我。:)
感谢阅读！如果你喜欢，点击绿色 按钮让其他人知道 JS 有多强大，以及为什么在机器学习方面不应该落后于。
