【Google 机器学习笔记】十、TensorFlow 2.1 实战（一）简单的线性回归预测

【Google 机器学习笔记】

十、TensorFlow 2.1 实战（一）简单的线性回归预测

  在进行 TensorFlow 实战之前，先对 TensorFlow 的一些基本概念做一些了解。

---

TensorFlow 基本概念

• 张量 【Tensor】：TensorFlow 程序中的主要数据结构。张量是 N 维（其中 N 可能非常大）数据结构，最常见的是标量（当 N = 0 时）、向量（当 N = 1 时）或矩阵（当 N = 2 时）。张量的元素可以包含整数值、浮点值或字符串值。
• 流【Flow】：一种计算模型：张量之间通过计算而转换的过程。

---

TensorFlow 学习环境安装

1. 下载安装 Miniconda（官网下载速度慢，可以前往清华镜像下载）。
2. 启动 Miniconda，换清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

3. 新建一个 conda 环境，并安装 TensorFlow 2.1

conda create -n mlcc
conda activate mlcc

# 安装 TensorFlow，注意检查版本是否为 2.1
conda install tensorflow

# 安装 TensorFlow 所常用的一些包
conda install matplotlib

4. 安装 jupyter notebook（如果有其它类似工具可以跳过），并运行

conda install jupyter notebook
jupyter notebook

---

简单的线性回归预测

  机器学习编程一般有以下几个步骤：
    1. 数据
      ① 获取数据
      ② 处理数据
      ③ 拆分数据
      ④ 检查数据
    2. 模型
      ① 构建模型
      ② 检查模型
      ③ 训练模型
      ④ 进行预测

  下面按照以上步骤进行讲解。

数据

• 获取数据并处理数据

# 导入一个数据处理工具包和一个数据可视化工具
import matplotlib.pyplot as plt
import numpy as np

# 构建一个可以被线性方程拟合的数据集并处理数据
np.random.seed(2020)
x_data = np.linspace(-1, 1, 100)