前言

唉我怎么什么都要学啊。。

参考：

https://developers.google.com/codelabs/tensorflow-1-helloworld?hl=zh-cn

什么是机器学习

考虑构建应用的传统方式，如下图所示：

我们用编程语言定下”规则“（比如函数），然后再加入数据，这些规则会根据数据来执行操作，然后我们的程序就会提供一个”答案“（比如函数的返回值）

举个不知道恰不恰当的例子：1+2=3，其中 1、2 是我们的数据，而+是我们的规则，最后的 3 则是我们的答案

而机器学习检测活动状态的过程非常相似，只是轴线不同：

我们只需要提供答案和数据，然后机器来推断出答案与数据之间关系的规则

沿用上面的例子：我们只提供了答案 3 和数据 1、2 ，然后让机器来推断从数据到答案之间的运算规则

而在实际的活动检测场景中会有如下表现：

我们需要收集大量数据，并有效地标记其为“这是步行的样子”或“这是跑步的样子”。然后，计算机可以根据数据推断出决定某一特定活动的不同模式的规则

在传统编程中，代码被编译为通常称为程序的二进制文件。在机器学习中，通过数据和标签创建的项称为模型。

于是把上面那张机器学习的图表修改一下，将操作的结果视为一个模型，在运行时就是如下所示：

我们向模型传递一些数据，然后模型会使用从训练中推断的规则进行预测，例如，“该数据似乎表示在步行”或“该数据似乎表示在骑车”。

创建首个机器学习模型

观察下列数字之间的规律：

我们正常计算的话可以得出 Y=3X+1 这样一个方程，即它们之间的关系

而把这个计算的步骤拆开来看的话，有这样的操作：

• 注意到 X 的值从左向右依次增加 1，而 Y 的值相应地依次增加 3
• 发现 Y 等于 3X 再加或减某一数字
• X 为 0 时 Y 为 1
• 最终得到 Y=3X+1

这就是利用代码训练模型来识别数据中模式的准确方式