diff options
Diffstat (limited to 'backend/microservice')
| -rw-r--r-- | backend/microservice/mlservice.py | 27 |
1 files changed, 20 insertions, 7 deletions
diff --git a/backend/microservice/mlservice.py b/backend/microservice/mlservice.py index 7f5ab9f2..01a79c1a 100644 --- a/backend/microservice/mlservice.py +++ b/backend/microservice/mlservice.py @@ -33,12 +33,27 @@ class fCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): print('Evaluation: ', self.model.evaluate(self.x_test)) - ### 1)Ucitavanje vrednosti -def obuka(data,params): + +def obuka(dataunos,params): import numpy as np import pandas as pd import tensorflow as tf - import matplotlib.pyplot as plt + import matplotlib.pyplot as plt + + ### 0) Pretvaranje data seta u novi, sa kolonama koje je korisnik izabrao za obuku + + data=pd.DataFrame() + zeljenekolone=params["inputColumns"] + for i in range(len(zeljenekolone)): + data[zeljenekolone[i]]=dataunos[zeljenekolone[i]] + #print(data.head(10)) + + #predvidetikol=input("UNETI NAZIV KOLONE ČIJU VREDNOST TREBA PREDVIDETI ") + ###sta se cuva od promenjivih broj kolone ili naziv kolone??? + predvidetikol=params["columnToPredict"] + + data[predvidetikol]=dataunos[predvidetikol] + ### 1)Ucitavanje vrednosti #print(1) #data1=pd.read_csv('titanic.csv') #data=data1.copy() @@ -134,9 +149,6 @@ def obuka(data,params): ### 7)Podela skupa na skup za trening i skup za testiranje - #predvidetikol=input("UNETI NAZIV KOLONE ČIJU VREDNOST TREBA PREDVIDETI ") - ###sta se cuva od promenjivih broj kolone ili naziv kolone??? - predvidetikol=params["columnToPredict"] xkolone=[] for k in range(len(kolone)): @@ -223,6 +235,7 @@ def obuka(data,params): ### 13.1)Izbor metrike za kompajler PART2 metrike=['mae','mse'] + lossf=params["lossFunction"] ''' while(1): m=params['lossFunction'] @@ -230,7 +243,7 @@ def obuka(data,params): if(m=='KRAJ'): break metrike.append(m)''' - classifier.compile(optimizer=optimizator, loss='binary_crossentropy',metrics =metrike) + classifier.compile(optimizer=optimizator, loss=lossf,metrics =metrike) performance_simple = fCallback(x_test, y_test) ### 14) #uzorci=int(input("UNETI KOLIKO UZORAKA ĆE BITI UNETO U ISTO VREME ")) |