阅读Antonio Gulli《Deep Learning with Tensorflow 2 and keras》Second Edition 第三章 regression笔记
- 一般使用sklearn实现回归,那么如何使用TF实现呢?
- 涉及哪些TF基本概念呢?
一、TF相关信息
- TF estimators:是TF的一个高级接口,是TF对机器学习模型的封装,支持对模型的训练,评估,预测功能。包含DNN,线性回归,逻辑回归等基础模型,也支持自定义模型。
- TF feature_columns支持对特征的处理,是原始数据与estimators之间的媒介。即原始数据进来先要做feature_columns处理,才能进入estimator建模。
- 流程
(1)数据载入
(2)feature_columns处理:数值型用numeric_column,分类型用categorical相关函数
(3)模型建设:使用estimator线性函数 输入特征信息,分类信息,迭代次数等
使用train函数训练,evaluate函数评估,predict函数预测
TensorFlow之estimator详解: https://www.cnblogs.com/marsggbo/p/11232897.html
二、小结
需要了解
- TF estimators概念,功能,使用案例
- feature_columns的作用,操作
- 案例代码运行(minist分类,波士顿房价拟合预测)
具体内容详见书籍