机器学习6：使用 TensorFlow 的训练线性回归模型

Jin_Kwok

已于 2023-06-27 19:33:50 修改

阅读量2.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：深入浅出解读机器学习文章标签：机器学习 tensorflow 线性回归

于 2023-06-27 16:30:02 首次发布

本文链接：https://blog.csdn.net/Jin_Kwok/article/details/131415598

深入浅出解读机器学习专栏收录该内容

34 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何在 TensorFlow 中实现线性回归模型，从环境准备（包括安装 Python、PyCharm、TensorFlow、pandas 和 matplotlib）到编程实现，再到参数调优（epochs、learning_rate 和 batch_size）的过程。通过实例展示了如何通过调整超参数优化模型性能，强调了超参数选择对模型收敛的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

纸上得来终觉浅，绝知此事要躬行。前面 5 篇文章介绍了机器学习相关的部分基础知识，在本章，笔者将讲解基于 TensorFlow 实现一个简单的线性回归模型，以便增强读者对机器学习的体感。

3.3 优化超参数-learning_rate

3.4 优化超参数-batch_size

4.小结

1.环境准备

在进行机器学习编程练习之前，我们需要准备好环境。在本节，笔者以 MacOS 为例，简单介绍环境准备的相关事项，Windows 也差不多。

1.1 安装 Python3

Mac 操作系统自带 Python，通常是 Python2.7，在终端输入命令：python -V，即可查看 Python 的版本号。虽然 Mac 自带的 Python，但它并不满足机器学的需要，在终端输入命令：python，可以看到如下信息——很显然，我们需要安装 Python3。

$ python

WARNING: Python 2.7 is not recommended. 
This version is included in macOS for compatibility with legacy software. 
Future versions of macOS will not include Python 2.7. 
Instead, it is recommended that you transition to using 'pyt