tensorfow使用和机器学习总结

tensorfow使用和机器学习总结

一、学习
使用 tf 平台进行的机器学习很容易理解，先通过吴恩达老师的课程学习Machine Learning,
知道分类问题和线性回归问题，然后再去看 tf 官网的例子：

1. 训练一个对服饰（例如运动鞋和衬衫）图像进行分类的神经网络模型
2. 此笔记本会将文本形式的影评分为“正面”或“负面”影评。这是一个二元分类（又称为两类分类）的示例。
3. 波士顿房价预测问题

就轻松多，简单多了，并且还看的懂。

学习重要的步骤，先看知识，基础，再开始上手结合知识。

二、运用
学习的过程中，刚好帮一个人弄作业，统计学的作业，也就是机器学习的作业。
很好的用到了tf
对机器学习的应用又会了一些
机器学习处理问题，先对数据进行分析，用统计学和概率论的知识进行处理。
比如说是属于线性回归的问题，需要先对变量进行筛选，查看变量和数据是否符合进行线性回归求解。
然后再查看数据是否需要缺失处理
等变量筛选好，符合线性回归求解，
才开始运用tensorflow进行线性回归建模，
导入数据，
进行跑神经网络模型，
求预测值

三、总结
tf 是个很不错的平台，当你把数据处理好了，使用tf 发现建出来的神经网络模型不错，
可以用来进行预测，预测出来的结果也挺好的。

缺点
就是这个平台的博客文章少了些，有些地方的代码和使用没有找到明确的解释，或者官网没有很明确的解释，需要一点一点查看对应的解释，
比如使用到的keras包，有些地方需要自己一点一点去找，有点浪费时间
结果解释，官网有些结果解释的不够完整。。。