本文共 3022 字，大约阅读时间需要 10 分钟。

目录：

• 1 简介
• 2 什么是机器学习
• 3 创建第一个机器学习模型
• 4 训练神经网络
• 5 模型预测

1 简介

请考虑以下问题：您正在构建一个健身跟踪活动识别系统。您可以访问一个人的移动速度，并尝试基于速度推测其活动：

if(speed<4){ status=WALKING; }

将此扩展为另一个条件运行：

if(speed<4){ status=WALKING; } else { status=RUNNING; }

在最终条件下，您可以类似的检测骑行：

if(speed<4){ status=WALKING; } else if(speed<12){ status=RUNNING; } else { status=BIKING; }

那么，考虑像高尔夫这样的活动会发生什么？突然间，如何创建规则确定活动就不那么明显了。

// Now what？

编写一个能够为我们打高尔夫活动的程序（用代码表示）是非常困难的。所以你会怎么样？这就是机器学习用来解决问题的地方！

2 什么是机器学习？

在上一节中，我们遇到了一个问题，在尝试确定用户的高尔夫活动时，在编写代码时遇到困难。

考虑以传统方式构建应用程序，如下图所示：

我们用编程语言表达规则，这些操作对数据其作用，程序提供答案。

而通过机器学习检测此活动状态的过程非常相似，但输入与输出不同：

我们不是试图定义规则并用编程语言来表达它们，而是提供答案（通常称为标签）以及数据，机器将推断出确定答案与数据之间的关系的规则。例如，我们的活动检测场景内在机器学习环境中可能如下图所示：

3 创建第一个机器学习模型

考虑以下几组数字，你能看出它们之间的关系吗？

现在让我们来看看如何通过训练神经网络来完成上述任务。

导包

import tensorflow as tfimport numpy as npfrom tensorflow import keras

定义和编译神经网络

# 定义神经网络model = tf.keras.Sequential([    keras.layers.Dense(units=1,input_shape=[1])])

WARNING:tensorflow:From D:\software\Anaconda\anaconda\lib\site-packages\tensorflow\python\ops\resource_variable_ops.py:435: colocate_with (from tensorflow.python.framework.ops) is deprecated and will be removed in a future version.Instructions for updating:Colocations handled automatically by placer.

#编译神经网络 定义 优化器 和 损失函数model.compile(optimizer="sgd",loss="mean_squared_error")

WARNING:tensorflow:From D:\software\Anaconda\anaconda\lib\site-packages\tensorflow\python\keras\utils\losses_utils.py:170: to_float (from tensorflow.python.ops.math_ops) is deprecated and will be removed in a future version.Instructions for updating:Use tf.cast instead.

提供数据

xs = np.array([-1.0,0.0,1.0,2.0,3.0,4.0],dtype=float)ys = np.array([-2.0,1.0,4.0,7.0,10.0,13.0],dtype=float)

4 训练神经网络

model.fit(xs,ys,epochs=50)

WARNING:tensorflow:From D:\software\Anaconda\anaconda\lib\site-packages\tensorflow\python\ops\math_ops.py:3066: to_int32 (from tensorflow.python.ops.math_ops) is deprecated and will be removed in a future version.Instructions for updating:Use tf.cast instead.Epoch 1/506/6 [==============================] - 0s 18ms/sample - loss: 26.1844Epoch 2/506/6 [==============================] - 0s 412us/sample - loss: 20.6133Epoch 3/506/6 [==============================] - 0s 328us/sample - loss: 16.2300Epoch 4/506/6 [==============================] - 0s 246us/sample - loss: 12.7812Epoch 5/506/6 [==============================] - 0s 248us/sample - loss: 10.0675Epoch 45/506/6 [==============================] - 0s 414us/sample - loss: 0.0271Epoch 46/506/6 [==============================] - 0s 331us/sample - loss: 0.0264Epoch 47/506/6 [==============================] - 0s 331us/sample - loss: 0.0258Epoch 48/506/6 [==============================] - 0s 248us/sample - loss: 0.0252Epoch 49/506/6 [==============================] - 0s 248us/sample - loss: 0.0246Epoch 50/506/6 [==============================] - 0s 165us/sample - loss: 0.0240
   

5.使用模型

现在，我们已经有了一个经过训练的模型来表示X和Y的关系，现在可以使用这个model.predict方法来找出以前未知的数。例如，如果X=10，那么Y=？

print(model.predict([10.0]))

[[31.397823]]

转载地址：https://codingchaozhang.blog.csdn.net/article/details/90717918 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！