线性回归是我们中学课本中学的最基础的概念之一,用于建立变量之间线性关系的统计方法;
在简单线性回归中,会建立一个因变量与一个自变量之间的线性关系模型。
我们可以用 PyTorch 来实现一些简单的线性回归实践。
房价预测
数据准备
首先准备一些数据来训练型:使用一个简单的示例数据集,其中包含了房屋面积和对应的房价。
ini
import numpy as np
# 生成示例数据
np.random.seed(42)
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)
数据可视化
再来可视化一下数据,可以更直观展示关系:
dart
import matplotlib.pyplot as plt
plt.scatter(X, y)
plt.xlabel('House Size')
plt.ylabel('Price')
plt.title('House Price vs. Size')
plt.show()
PyTorch构建模型
使用 PyTorch 来构建线性回归模型。
ini
import torch
import torch.nn as nn
# 将数据转换为PyTorch张量
X_tensor = torch.from_numpy(X).float()
y_tensor = torch.from_numpy(y).float()
# 定义线性回归模型
class LinearRegression(nn.Module):
def __init__(self, input_dim, output_dim):
super(LinearRegression, self).__init__()
self.linear = nn.Linear(input_dim, output_dim)
def forward(self, x):
return self.linear(x)
# 初始化模型
input_dim = 1
output_dim = 1
model = LinearRegression(input_dim, output_dim)
# 定义损失函数和优化器
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
模型训练
然后用数据来训练模型
ini
# 定义训练参数
num_epochs = 100
# 训练模型
for epoch in range(num_epochs):
# 向前传播
outputs = model(X_tensor)
loss = criterion(outputs, y_tensor)
# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()
if (epoch+1) % 10 == 0:
print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))
可视化结果
scss
# 可视化训练结果
predicted = model(X_tensor).detach().numpy()
plt.scatter(X, y, label='Original data')
plt.plot(X, predicted, label='Fitted line', color='red')
plt.xlabel('House Size')
plt.ylabel('Price')
plt.title('House Price vs. Size (Prediction)')
plt.legend()
plt.show()
预测测试
最后,我们就可以用训练好的模型来进行预测了:预测新数据:
lua
# 预测新数据
new_house_size = 5
predicted_price = model(torch.tensor([[new_house_size]]).float()).item()
print("Predicted price for a house with size {}: ${:.2f}".format(new_house_size, predicted_price))
运行
上 Pycharm:(咸鱼有1元购破解码)
~散点图展示了原始数据~
~拟合线图新增拟合线~
OK,上述代码用PyTorch实现的简单线性回归模型,用于预测房屋价格:
根据一组房屋尺寸和对应价格的数据,然后用散点图展示了数据分布。接着构建了一个线性回归模型,并用训练数据对其进行训练,最小化预测值与真实值的误差。
训练完毕后,将模型预测的房价与原始数据一起绘制在图上,直观地观察模型的拟合效果。
最终用训练好的模型对新的房屋尺寸进行预测,得到其对应的价格;
小结
PyTorch 学习中会有很多如线性回归这样的数学算法图,可以很直观的展示训练结果;数学不愧是科学之王冠。
全面拥抱深度学习~~
文末自荐一下我和机械工业出版社联合出版的 《程序员成长手记》 一书:全书分为3大模块、8个章节:从入门程序员到程序员自驱成长,回归纸质阅读,相信能给你一个更全局的程序员视野,提供成长帮助。京东搜"程序员成长手记":item.jd.com/14356664.ht...*
OK,以上便是本次分享,希望各位喜欢~ 欢迎点赞、收藏、评论 🤟 我是安东尼 🤠 人气技术博主 💥 坚持千日更文 ✍ 关注我,安东尼陪你一起度过漫长编程岁月