我通过 tensorflow 预测了博客的粉丝数

前言：

       由于最近接触了 tensorflow.js，出于试一下的心态，想通过线性回归预测一下博客的粉丝走向和数量，结果翻车了。虽然场景用错地方，但是整个实战方法用在身高体重等方面的预测还是有可行性，所以就记录下来了。

       根据某博客或论坛，抓取一下博主的访问总量和粉丝总量，分析其关联，训练数据，最后通过输入指定访问数量预测吸粉总数。

Tensorflow.js：

      Tensorflow.js 是一个可以在浏览器或 Node 环境利用 JavaScript 语法运行深度学习。让前端就可以实现类似根据图片类型的模糊搜索，语音识别控制网页，图片的人像识别等功能，既减轻服务器训练压力，也保护了用户隐私 (在特殊场景下，不用将图片传到服务器后做人像标识)。

技术清单：

1. tensorflow.js

2. parcel

3. tfjs-vis

实战：

      实战是需要本地有 Node 环境，并且安装了 npm 等包管理工具，关于这些的安装这里就略过了。主要是项目的搭起，线性回归的编码以及运行结果。

1. 项目搭建

(1). 创建项目目录和 package.json

(2). 切换到当前目录，运行 npm install 进行安装

(3). 在当前目录下创建目录和运行文件

(4). 安装 parcel，一个打包工具

2. 编码

(1). 页面需要有数据训练过程图和模型下载按钮。

(2). 线性回归基本流程

(3). 编码

(4). 打包并运行

(5). 运行效果