最近看了Google官方机器学习教程，跟着练习了部分示例，其中《使用 TensorFlow 的起始步骤》采用了LinearRegressor配合Pandas来进行线性回归训练。

于是使用两者重新写了一个版本的线性回归训练，数据也从之前python直接生成模拟数据改成了从csv文件读取，而csv文件来源于Excel: A列的100行等于1至100的序列， B=A*5+50+RANDBETWEEN(-10, 10)。

线性回归（Linear Regression）

线性回归算法是机器学习、统计分析中重要的算法之一，也是常用的相对简单的算法。

微信小游戏跳一跳某辅助程序wechat jump game，之前要事先根据屏幕尺寸填写一个按压时间与弹跳距离的比例经验值并不断人为调整，后来可通过此算法拟合按压时间与弹跳距离了, Pull Request在此。

给定由d个属性描述的点集X=(x₁;x₂;…;x_d), 线性模型试图学得一个通过属性的线性组合来进行预测的函数，即ƒ(x)=w₁x₁ + w₂x₂ + … + w_dx_d + b，知道w和b后就能确定模型。

与其上来就学习相对枯燥易让人放弃的数学，不如先做几个例子并在Android、iOS上初步实验熟悉下整个操作流程，通过实战激发下兴趣。

开发环境准备

首先安装Python，推荐Python3，装好后别忘了设置下载源镜像，不然安装各种包的时候下载速度很感人。

新建文件：~/.pip/pip.conf

1
2
3
4
5

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn/simple

再安装Numpy、SciPy、Pandas、Matplotlib、Pil、TensorFlow 、scikit-learn等库，都是深度学习不可缺少的。