为了将数据恢复到原始范围（而不是0–1），我们使用规范化时计算的值，但只需反转操作。

return [unNormXs.dataSync() unNormPreds.dataSync() ;

.datasync（）是一种方法，我们可以使用它来获取存储在张量中的值的typedarray 。这允许我们在常规的javascript中处理这些值。这是通常首选的.data（）方法的同步版本。

最后，我们使用tfjs-vis来绘制原始数据和模型中的预测。

将以下代码添加到运行函数中。

testModel(model data tensorData);

刷新页面，现在已经完成啦！

现在你已经学会使用tensorflow.js创建一个简单的机器学习模型了。这里是Github存储库供参考。

结论

我开始接触这些是因为机器学习的概念非常吸引我，还有就是我想看看有没有方法可以让它在前端开发中实现，我很高兴发现tensorflow.js库可以帮助我实现我的目标。这只是前端开发中机器学习的开始， TensorFlow.js还可以完成很多工作。谢谢你的阅读！

基于TensorFlow.js的JavaScript机器学习(16)