使用Tensorflow2实现回归

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

1. 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。
2. 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。
3. 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