机器学习 神经网络与深度学习

TensorFlow的安装

TensorFlow是一个用于数值计算的开源软件库，非常适合大型机器学习。

笔记：virtualenv和conda的解释，大概来说就是创建了一个独立的环境。

$符号 在一些程序书中，代码前加上$符号是为了表示这是一个命令行命令，而不是普通的代码。$符号通常用于Unix/Linux系统中的命令行提示符，表示用户可以在命令行中输入该命令。在书中加上$符号可以帮助读者区分代码和命令行命令，避免混淆。

TensorFlow实现线性回归

多元线性回归：C:\Users\19680\Desktop\机器学习资料 预测.pdf

多元线性回归用到的参数估计法时最小二乘估计，至于岭回归用的是改良过的最小二乘法

笔记：代码解释：最后两行大概是在tensorflow中打开一个会话并得到计算结果。

常值函数（constant function）是指值域为一元集的函数，满足条件：对于任意输入值x，输出值都为同一个常数c。数学表示为：f(x)=c。其中，x为输入，c为输出。在xy坐标平面上，常值函数的图象是平行于x轴的直线y=c1。

reshape函数：

reshape函数是MATLAB中将指定的矩阵变换成特定维数矩阵的一种函数，且矩阵中元素个数不变，函数可以重新调整矩阵的行数、列数、维数12。

语法为：B = reshape(A,size)1。

例子：

iniA = 1:6;          B = reshape(A,2,3)      

输出：

makefileB =      1     3     5     2     4     6

housing.target.reshape(-1,1)解释：这是一个numpy数组的方法，reshape()用于改变数组的形状。-1表示自动计算该维度的大小，1表示将数组变成一列。因此，housing.target.reshape(-1,1)的意思是将housing.target数组变成一列，行数自动计算。

housing_data_plus_bias 是指包含偏差项的房屋数据集。偏差项是指在线性回归模型中的截距项，它表示当所有自变量都为0时，因变量的期望值。在房屋数据集中，偏差项可以表示房屋价格中的基础价格，即使所有其他特征都为0，房屋也有一个基础价格。因此，housing_data_plus_bias 包含了房屋的各种特征以及偏差项，可以用于训练线性回归模型。

housing_data_plus_bias 不是 Python 库中的一个数据集，而是一个数据集的名称，通常用于机器学习中的线性回归模型。在 Python 中，可以使用 Pandas 库或 Scikit-learn 库中的数据集来进行线性回归模型的训练和测试。例如，Scikit-learn 库中的波士顿房价数据集（Boston Housing Dataset）就是一个常用的线性回归数据集，其中包含了房屋的各种特征以及房价作为因变量。在使用该数据集时，可以通过添加一个全为1的列来表示偏差项。

用TensorFlow实现可视化图和训练曲线