表1-2列出了機器學習的主要任務，以及解決相應問題的演算法：
如果不想**目標變數的值，則可以選擇無監督學習演算法；
需要分析或收集的資料是什麼
我們只能在一定程度上縮小演算法的選擇範圍，一般並不存在最好的演算法或者可以給出最好結果的演算法，同時還要嘗試不同演算法的執行效果。對於所選的每種演算法，都可以使用其他的機器學習技術來改進其效能。在處理輸入資料之後，兩個演算法的相對效能也可能會發生變化。一般說來發現最好演算法的關鍵環節是反覆試錯的迭代過程。
準備輸入資料；
分析輸入資料；
訓練演算法；
測試演算法；
使用演算法。
演算法工程師修仙之路 TensorFlow（二）
張量在 tensorflow 中的實現並不是直接採用陣列的形式，它只是對tensorflow 中運算結果的引用。在張量中並沒有真正儲存數字，它儲存的是如何得到這些數字的計算過程。tensorflow中的張量和 numpy 中的陣列不同，tensorflow 計算的結果不是乙個具體的數字，而且乙個張量...
演算法工程師修仙之路 TensorFlow（五）
乙個最簡單的神經元結構的輸出就是所有輸入的加權和，而不同輸入的權重就是神經元的引數。神經網路的優化過程就是優化神經元中引數取值的過程。全連線神經網路是相鄰兩層之間任意兩個節點之間都有連線的神經網路結構。乙個簡單的判斷零件是否合格的三層全連線神經網路。第二個部分為神經網路的連線結構。最後乙個部分是每個...
演算法工程師修仙之路 TensorFlow（六）
tensorflow 中變數的初始值可以設定成隨機數 常數或者是通過其他變數的初始值計算得到。通過滿足正態分佈的隨機數來初始化神經網路中的引數是乙個非常常用的方法，除了正態分佈的隨機數，tensorflow 還提供了一些其他的隨機數生成器 tensorflow 也支援通過常數來初始化乙個變數 在神經...