使用 TensorFlow 的起始步骤

机器学习速成课程会逐步引导您使用 tf.estimator（一种高级 TensorFlow API）对模型进行编码，以便将学到的原则和技术应用于实践。

机器学习速成课程中的编程练习使用的是可将代码、输出和说明性文字合并到一个协作文档中的数据分析平台。

可使用 Colaboratory 平台直接在浏览器中运行编程练习（无需设置！）。Colaboratory 支持大多数主流浏览器，并且在 Chrome 和 Firefox 的各个桌面版本上进行了最全面的测试。如果您想下载并离线运行这些练习，请参阅有关设置本地环境的说明。

请按照指定顺序运行以下三个练习：

1. Pandas 简介：Pandas 是用于进行数据分析和建模的重要库，广泛应用于 TensorFlow 编码。该教程提供了学习本课程所需的全部 Pandas 信息。如果您已了解 Pandas，则可以跳过此练习。
2. 使用 TensorFlow 的起始步骤：此练习介绍了线性回归。
3. 合成特征和离群值：此练习介绍了合成特征以及输入离群值带来的影响。

    

   机器学习速成课程练习中的常用超参数

   很多编码练习都包含以下超参数：

   • steps：训练迭代的总次数。一步计算一批样本产生的损失，然后使用该值修改一次模型的权重。
   • batch size：单步的样本数量（随机选择）。例如，SGD 的批次大小为 1。

   以下公式成立：