Creating Estimators in tf.contrib.learn tf.contrib.learn框架通过其高级别的Estimator API可以轻松构建和训练机器学习模型。 Estimator提供可以实例化的类，以快速配置常见的模型类型，如回归和分类器： LinearClassifier：构建线性分类模型LinearRegressor：构建线性回归模型DNNClassifier

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。 1.项目背景 M-Estimators 是稳健统计估计中的一个重要概念，它们在处理含有异常值、离群点或者影响点的数据时特别有用。在稳健线性回归（Robust Linear Regression, RLM）模型中，M-Estimators 用于替代普通最小二乘法（OL

目录 9.1 Introduction 9.2 Relative Efficiency 定义： 9.3 Consistency 定义： 定理： 9.4 Sufficiency Sufficient 定义： Likelihood 定义： 定理： 9.5 The Rao–Blackwell Theorem and Minimum-Variance Unbiased Estimat