浏览器端机器学习—brain.js

近两年机器学习火的一塌糊涂，智能两个字随处可见。今天分享的内容是我们如何在浏览器端实现机器学习，通过机器学习加强客户体验。

首先通过一个小示例来体验一下 js 机器学习库 brain.js，我们让 brain.js 读取数据模型（体重和身高），学习如何鉴别是大人还是小孩。可以标签来作为分类的依据进行分类。

1. 使用 npm init 创立一个项目

2. npm install brain.js –save(注意这里是 brain.js 而不是 brain)。大家容易忽略 js 后缀。

3. 接下来创立一个 app.js 。内容如下图下。

图

是不是很简单。train 方法接受数组作为参数，数组中每个对象都有一个 input 属性和一个 output 属性，input 中放用于决策的数据模型，output 中放置对应数据模型的结果，brain.js 通过学习这些数据，可以推测出某个数据模型的结果的概率。

输出和输入

看一下面数据 input[体重，身高] ，这里用身高和体重作为标签。output [1 表示成人，0 表示儿童]

而后通过喂数据来进行学习，经过一段学习后。我们用测试数据[65,172]，检测一下训练的结果吧。看看这个数据的结果是儿童还是成人。

图图

从结果来看数据显示可能是成人的可能性较大。不算准确。简单地理解一下如何使用 brain.js 实现浏览器端机器学习。就结合实际来一个实例。通过颜色的r,g,b值来判断颜色的明暗。首先设计一下数据模型，让输入为 input(r,g,b)(红，绿，蓝）输出是 dark:1 或者 light:1)明暗。

图

接下来用准备好的数据来喂机器学习，再用一个输出为 light:1 的测试数据，来让机器学习进行推测。看看他的学习成果。

图图

学习的效果还不错吧，基本达到我们的预期。

好我们现在在项目根目录下，创立名称为 index.html 的文件，还需要引入浏览器端的 brain.js 如图，一个颜色选择器，一个蓝色为背景，白色文字的标题。

图图

还需要做少量准备工作，getRgb 方法将颜色值转为一个 {r, g, b} 的对象。

图

测试一下创立好的方法。

图图

先初始化一个机器学习的实例，再提供机器学习的训练的数据，而后让机器学习读取标题的背景色，而后便可判断背景色是明还是暗。

图

测试一下，当背景色为下图中的颜色，看一下输出为 dark 0.9 ,推测的还是很准的。

图图

需要再适当一下代码，如图，这次此判断结果的值为 dark 或者 light，而后通过输出结果值来来决定文字显示为白色（dark）还是显示为黑色（light）。

图图图图图图