【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
- 下载安装 Miniconda(官网下载速度慢,可以前往清华镜像下载)。
- 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
- 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
- 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)