2.1.3 데이터 생성과 포매팅

    메가바이트(MB) 단위로 파일 크기가 주어졌을 때 컴퓨터로 다운로드하는 데 얼마나 걸리는지 예측해 보겠습니다. 여기에서는 미리 준비된 데이터셋을 사용하지만, 나중에 비슷한 데이터셋을 만들어 각자 시스템의 네트워크 통계를 모델링할 수 있습니다.

     

    코드 2-1 하드 코딩된 훈련 데이터와 테스트 데이터(CodePen 2-a)

    <script src='https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest'></script>
    <script>
    const trainData = {
      sizeMB:  [0.080, 9.000, 0.001, 0.100, 8.000,
                5.000, 0.100, 6.000, 0.050, 0.500,
                0.002, 2.000, 0.005, 10.00, 0.010,
                7.000, 6.000, 5.000, 1.000, 1.000],
      timeSec: [0.135, 0.739, 0.067, 0.126, 0.646,
                0.435, 0.069, 0.497, 0.068, 0.116,
                0.070, 0.289, 0.076, 0.744, 0.083,
                0.560, 0.480, 0.399, 0.153, 0.149]
    };
    const testData = {
      sizeMB:  [5.000, 0.200, 0.001, 9.000, 0.002,
                0.020, 0.008, 4.000, 0.001, 1.000,
                0.005, 0.080, 0.800, 0.200, 0.050,
                7.000, 0.005, 0.002, 8.000, 0.008],
      timeSec: [0.425, 0.098, 0.052, 0.686, 0.066,
                0.078, 0.070, 0.375, 0.058, 0.136,
                0.052, 0.063, 0.183, 0.087, 0.066,
                0.558, 0.066, 0.068, 0.610, 0.057]
    };
    </script>
    신간 소식 구독하기
    뉴스레터에 가입하시고 이메일로 신간 소식을 받아 보세요.