机器学习第三站——tensorflow实战

tensorflow实战

首先了解一下什么是tensorflow，这是google提供的一个开源软件库…..恩就这样。 
我们通过python调用tensorflow api完成一系列机器学习操作 
在第一站中我讲了怎么安装anaconda，我们用自带的spyder进行编写： 
 
界面如下(可自行调节)，类似于matlab有文件编辑区和命令行编辑区，非常方便调试： 

下面我们就开始编写第一次代码，分为几步 
1. 加载库 
2. 加载数据 
3. 设置特征和标签 
4. 配置LinearRegressor 
5. 预处理函数 
6. 训练模型 
7. 评估模型

加载库&&基础设置

加载库，各个库有什么用请自行百度…. 
附录tensorflow库的文档

1. import math
2. from IPython import display
3. from matplotlib import cm
4. from matplotlib import gridspec
5. from matplotlib import pyplot as plt
6. import numpy as np
7. import pandas as pd
8. from sklearn import metrics
9. import tensorflow as tf
10. from tensorflow.python.data import Dataset

下面进行基础设置，主要是程序报错信息级别和输出设置

1. #set the log record
2. #tutorial: http://lib.csdn.net/article/aiframework/61081
3. tf.logging.set_verbosity(tf.logging.ERROR)
4. #display 10 rows at most
5. pd.options.display.max_rows = 10
6. #set display format
7. pd.options.display.float_format = '{:.1f}'.format

加载数据

加载数据

1. #load data
2. california_housing_dataframe = pd.read_csv("https://storage.googleapis.com/mledu-datasets/california_housing_train.csv"