04：一文初探Tensorflow高级API使用（初学者篇）

标签（空格分隔）： 王小草Tensorflow笔记

---

笔记整理者：王小草
笔记整理时间：2017年2月26日
对应的官方文档地址：https://www.tensorflow.org/get_started/tflearn
官方文档上次更新时间：2017年2月15日

---

今天我们要向Tensorflow高级API的学习门槛迈进一步。别听到高级API就觉得是难度高的意思，其实高级API恰恰是为了降低大家的编码难度而设置的。Tensorflow更高层的API使得配置，训练，评估多种多样的机器学习模型更简单方便了。

本文将使用高层API：tf.contrib.learn 来构建一个分类神经网络，将它放在“鸢尾花数据集”上进行训练，并且估计模型，使得模型能根据特征（萼片和花瓣几何形状）预测出花的种类。

1. 加载鸢尾花数据集到Tensorflow上

首先介绍一下我们今天要使用的数据集：

鸢尾花数据集：Iris data set 由150个样本组成。其中，总共有3个类别：山鸢尾（Iris setosa），虹膜锦葵（Iris virginica），变色鸢尾 （Iris versicolor） ，每个类别50个样本。

下图，从左到右分别是 Iris setosa , Iris versicolor, and Iris virginica三类花的图片：

数据的每一行（也就是每个样本）包含了样本的特征与类别标签。
特征有：萼片的长度，萼片的宽度，花瓣的长度，花瓣的宽度。
类别标签用整型数字表示：0表示萼片，1表示Iris versicolor，2表示Iris virginica
数据格式如下：

在机器学习的建模中，我们一般将数据集拆分成训练集与测试集，训练集用来训练模型，测试集用来测试模型的泛化能力。所以此处，也将150个样本的数据集随机地拆分成两个部分：
（1）训练集包含120个样本（放在iris_training.csv文件中）
（2）测试集包含30个样本（放在iris_test.csv文件中）
在开始写程序之前，要先下载好这两个数据集哦~

现在我们已经了解了数据集大概的样子了，于是开始上代码喽~

首先，还是先导入要用的库

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
import numpy as np

接着，把下载好的训练集与测试集根据它们的路径加载的dataset中，使用的是learn.datasets.base中的load_csv_with_header()这个方法。这个方法需要传入3个