Машинное обучение и JET звучат заманчиво, не так ли?
Один из способов добиться этого — создать собственный компонент и использовать его в JET. Пользовательский компонент будет основан на библиотеках машинного обучения JavaScript, и мы можем использовать их для создания пользовательского интерфейса. Другой способ: если эта информация где-то доступна, мы можем использовать ее напрямую. Именно поэтому я создал REST API для машинного обучения. Вы можете обратиться к моему предыдущему сообщению REST API машинного обучения, чтобы увидеть остальной код API.
Когда у вас есть API, все, что вам нужно, это вызвать его в JET и отобразить.
Давайте посмотрим, как это работает.
Создайте проект с образцом шаблона
ojet create jetml — template=navdrawer
Это даст вам базовый код и html-страницу для работы
В В этом примере все, что я делаю, это изменяю файл dashboard.js, чтобы получать данные из остальных API и использовать данные для создания компонента диаграммы. В файле Dashboard.html точечная диаграмма будет отображать диаграмму для тестовых данных, которые доступны в файле
вот пример кода для нее
return axios.get(`http://localhost:5000/${self .currentValue()}`, {
}).then(results =› {
var i = self.deptObservableArray().length;
i++;
newobj[“ id”] = i.toString();
newobj[“x”] = self.currentValue();
newobj[“y”] = results.data.y;
newobj[ series] = Prediction;
Если мы запустим его сейчас, он будет выглядеть так
Теперь давайте добавим поле ввода, чтобы пользователь мог ввести значение x.
добавьте поле ввода, и в зависимости от значения rest API вернет значение y. Поскольку я добавляю это значение в базовые данные, оно будет отображаться на диаграмме с другим рядом. Вы можете попробовать несколько значений x и увидеть разные значения y, соответствующие шаблону.
Вы можете сослаться на мой код на github здесь. Вышеприведенный пример является простым с библиотекой линейной регрессии, но он будет выходить, чтобы увидеть интеграцию с JET для более сложных методов машинного обучения. Удачного обучения!!!
