Javascript 带TensorFlowJS的简单线性回归

我想为一个项目做一些线性回归。 由于我已经习惯了Javascript，我决定尝试使用TensorFlowJS

我正在按照他们网站上的教程进行操作，并观看了一些视频来解释它是如何工作的，但我仍然不明白为什么我的算法没有返回我期望的结果

以下是我正在做的：

// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Generate some synthetic data for training.
const xs = tf.tensor1d([1, 2, 3, 4]);
const ys = tf.tensor1d([1, 2, 3, 4]);

// Train the model using the data.
model.fit(xs, ys).then(() => {
  // Use the model to do inference on a data point the model hasn't seen before:
  // Open the browser devtools to see the output
  const output = model.predict(tf.tensor2d([5], [1,1]));
  console.log(Array.from(output.dataSync())[0]);
});

我在这里试图得到一个线性图，其中输入应该总是等于输出

我试图预测输入

5

会得到什么，但是输出似乎是随机的

---

这里它位于codepen上，因此您可以尝试：

您的训练数据需要比模型形状多一个维度，才能反映训练批次。因此x和y至少需要是2D。

您的模型仅在一个历元（一个训练周期）后进行预测。因此，损失仍然很大，导致预测不准确

模型的权重是随机初始化的。因此，只有一个历元，预测是非常随机的。这就是为什么，一个人需要训练一个以上的历元，或者在每个批次之后更新权重（这里您也只有一个批次）。 要了解训练过程中的损耗情况，您可以通过以下方式更改拟合方法：

model.fit(xs, ys, { 
  callbacks: {
      onEpochEnd: (epoch, log) => {
        // display loss
        console.log(epoch, log.loss);
      }
    }}).then(() => {
  // make the prediction after one epoch
})

要获得准确的预测，可以增加历元数

 model.fit(xs, ys, {
      epochs: 50,  
      callbacks: {
          onEpochEnd: (epoch, log) => {
            // display loss
            console.log(epoch, log.loss);
          }
        }}).then(() => {
      // make the prediction after one epoch
    })

下面是一个片段，它展示了增加历代数将如何帮助模型更好地执行

//定义线性回归的模型。
const model=tf.sequential（）；
add（tf.layers.dense（{units:1，inputShape:[1]}））；
//为培训准备模型：指定损失和优化器。
compile（{loss:'meanSquaredError'，优化器：'sgd'}）；
//生成一些用于培训的合成数据。
常数xs=tf.tensor1d（[1,2,3,4]）；
常数ys=tf.tensor1d（[1,2,3,4]）；
//使用数据训练模型。
模型拟合（xs，ys{
年代：50，
回调：{
onEpochEnd：（历元，对数）=>{
控制台日志（历元、日志、丢失）；
}
}}).然后（（）=>{
//使用模型对模型以前从未见过的数据点进行推断：
//打开浏览器devtools以查看输出
常量输出=模型预测（tf.tensor2d（[6]，[1,1]）；
output.print（）；
});