8. 要点总结

训练机器学习模型的步骤包括：

制定任务：

  • 是回归问题还是分类问题？
  • 可以通过监督式学习还是非监督式学习来完成？
  • 输入数据的形状是什么？输出数据应该是什么样的？

准备数据：

  • 清理数据并尽可能手动检查它是否存在任何模式
  • 在使用数据进行训练之前对数据进行重排
  • 将数据归一化为神经网络的合理范围。通常，对于数值数据，0-1 或 -1-1 是合适的范围。
  • 将数据转换为张量

构建并运行您的模型：

  • 使用 tf.sequential 或 tf.model 定义模型，然后使用 tf.layers.* 向模型中添加层
  • 选择优化器（adam 通常是一个不错的选择），以及批次大小和周期数等参数。
  • 为您的问题选择合适的损失函数，并选择准确率指标来帮助您评估进度。meanSquaredError 是处理回归问题的常见损失函数。
  • 监控训练，看看损失是否降低

评估模型

  • 为您的模型选择一个评估指标，您可以在训练过程中对模型进行监控。训练完成后，请尝试进行一些测试预测，以了解预测质量。