哈囉大家好～～
就如前篇所述，因為Estimator API使用高級又直觀的程式碼開發模型，因此，採用 Estimator API創建模型通常比採用低階的TensorFlow API 更簡單。
在定義特徵時，我們可以使用下面程式碼:

INPUT_COLUMNS = [
    tf.feature_column.numeric_column('…')

我們用下面程式碼來使用線性回歸:

model = tf.estimator.LinearRegressor(
      feature_columns = feature_cols, model_dir = OUTDIR)

我們用下面程式碼來使用深度神經網路，我們建立 3 層的類神經網路，3 層的單元數分別為 32、8、2個:

model = tf.estimator.DNNRegressor(hidden_units = [32, 8, 2],
      feature_columns = make_feature_cols(), model_dir = OUTDIR)

我們使用下面程式碼開始訓練模型:

model.train(input_fn = get_train_input_fn, steps = 200)

如果我們有一組新資料要讓模型做預測，我們可以使用以下程式碼:

predictions = model.predict(input_fn = make_prediction_input_fn(df_test))

以上，程式碼就暫時到這邊！我們明天見～～