PyTorch实战：基于新冠数据的阳性病例占比预测
大家好，今天给大家带来一个超实用的PyTorch实战项目------利用美国新冠调查数据预测阳性病例占比。整个流程从数据加载、预处理，到模型搭建、训练，全程代码+详细解析，新手也能轻松上手，话不多说，开整！
一、任务背景与数据集解析
1. 任务目标
本次任务是一个典型的回归预测问题：使用美国特定州过去5天的新冠调查数据，预测未来5天的新增新冠检测阳性病例占比。
2. 数据集详情
先给大家看一下我整理的数据集核心信息，这是后续代码的基础：
数据格式：CSV文件存储，每行对应一个样本
特征维度：共117维有效特征，包含37个州的独热编码、16类特征的5天数据
标签信息：每行最后一列是预测目标------阳性病例占比
样本规模：训练集共2699个样本，特征维度 (2699, 117)，标签维度 (2699,)
二、完整代码实现与逐行精讲
1. 环境与库导入
第一步先导入需要的库，都是深度学习的老朋友了，注释里给大家讲清楚用途：
python
# 数据处理三剑客之两剑客：Pandas加载CSV，NumPy处理数值计算
import pandas as pd
import numpy as np
# PyTorch核心库：构建模型、处理张量
import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader
# 优化器与可视化：Adam优化模型参数，Matplotlib画训练曲线
from torch.optim import Adam
import matplotlib.pyplot as plt2. 数据加载与预处理
数据是模型的血液，这一步的核心是加载数据→分离特征标签→转换为张量，直接上代码：
python
def load_and_preprocess_data(csv_path):
# 1. 加载CSV数据，删除全为NaN的无效列
train_data = pd.read_csv(csv_path).dropna(axis=1, how='all')
# 2. 分离特征和标签：特征取前117列，标签取最后1列
X_train = train_data.iloc[:, :-1].values # 特征数组 (2699, 117)
y_train = train_data.iloc[:, -1].values # 标签数组 (2699,)
# 3. 转换为PyTorch浮点型张量，标签升维适配模型输出
X_train = torch.tensor(X_train, dtype=torch.float32)
y_train = torch.tensor(y_train, dtype=torch.float32).unsqueeze(1) # 升维为(2699,1)
return X_train, y_train
# 调用函数（记得替换成你的数据集路径！）
X_train, y_train = load_and_preprocess_data("covid-train.csv")
# 打印维度验证：确保数据处理正确
print("特征维度：", X_train.shape) # 预期输出 (2699, 117)
print("标签维度：", y_train.shape) # 预期输出 (2699, 1)关键解析：
dropna(axis=1, how='all')：清理无效列，避免脏数据干扰模型训练
iloc[:, :-1]：按列索引切片，精准分离特征和标签
unsqueeze(1)：给标签升维，因为模型输出是二维张量 (batch_size, 1)，维度匹配才能计算损失
3. 自定义Dataset类
PyTorch加载数据的标准操作是自定义Dataset，必须实现三个核心方法，代码如下：
python
class CovidDataset(Dataset):
def _init_(self,features,labels=None)：
if y in None:
self.labels = labels
else:
self = torch.FloatTensor(labels)
self.features = torch.FloatTensor(features)
def __getitem__(self, idx):
# 按索引取样本：返回单个样本的特征和标签
return self.features[idx], self.labels[idx]
def __len__(self):
# 返回数据集总长度：供DataLoader计算批次
return len(self.features)
# 实例化数据集
train_dataset = CovidDataset(X_train, y_train)关键解析：
init ：接收特征和标签张量，完成初始化
getitem ：DataLoader加载数据时会调用这个方法，按索引获取样本
len：告诉DataLoader数据集有多少个样本，是批量加载的基础
4. 构建DataLoader
有了Dataset，下一步就是用DataLoader实现批量加载+数据打乱，提升训练效率：
python
# 超参数：批次大小，可根据显存调整，常用32/64/128
batch_size = 32
train_loader = DataLoader(
dataset=train_dataset,
batch_size=batch_size,
shuffle=True # 训练时打乱数据，避免模型学顺序
)
# 验证DataLoader是否正常工作
for batch_X, batch_y in train_loader:
print("批次特征维度：", batch_X.shape) # 预期输出 (32, 117)
print("批次标签维度：", batch_y.shape) # 预期输出 (32, 1)
break # 只看第一个批次就够了关键解析：
batch_size=32：每次训练喂给模型32个样本，平衡训练速度和显存占用
shuffle=True：训练集必须打乱，否则模型会学习到数据的顺序规律，泛化能力变差
5. 定义神经网络模型
本次任务是回归预测，我们搭建一个简单的全连接神经网络，代码如下：
python
class CovidPredictor(nn.Module):
def __init__(self, input_dim=117, hidden_dim=64, output_dim=1):
super(CovidPredictor, self).__init__()
# 定义三层全连接层
self.fc1 = nn.Linear(input_dim, hidden_dim) # 输入层→隐藏层
self.fc2 = nn.Linear(hidden_dim, hidden_dim//2) # 隐藏层→次隐藏层
self.fc3 = nn.Linear(hidden_dim//2, output_dim) # 次隐藏层→输出层
# 激活函数：ReLU解决线性模型表达能力不足的问题
self.relu = nn.ReLU()
def forward(self, x):
# 前向传播：数据流过网络的路径
x = self.relu(self.fc1(x)) # 第一层+激活
x = self.relu(self.fc2(x)) # 第二层+激活
x = self.fc3(x) # 输出层无激活！回归任务直接输出数值
return x
# 实例化模型
model = CovidPredictor()
print("模型结构：")
print(model)关键解析：
输入维度input_dim=117：对应我们的特征维度
隐藏层设计：64→32，逐层压缩特征，提取核心信息
输出层output_dim=1：对应预测的阳性病例占比，回归任务输出层不加激活函数
6. 模型训练与可视化
万事俱备，最后一步就是训练模型了！核心步骤是定义损失函数+优化器+训练循环：
python
# 1. 定义损失函数：回归任务用均方误差MSE
criterion = nn.MSELoss()
# 2. 定义优化器：Adam优化器，学习率1e-3是常用值
optimizer = Adam(model.parameters(), lr=1e-3)
# 3. 训练超参数
epochs = 50 # 训练轮数
train_losses = [] # 存储每轮损失，用于可视化
# 训练循环
for epoch in range(epochs):
model.train() # 切换到训练模式
epoch_loss = 0.0 # 累计本轮损失
for batch_X, batch_y in train_loader:
# 梯度清零：必须操作，否则梯度会累加
optimizer.zero_grad()
# 前向传播：模型预测结果
outputs = model(batch_X)
# 计算损失：预测值和真实值的差距
loss = criterion(outputs, batch_y)
# 反向传播：计算梯度
loss.backward()
# 优化器更新参数：梯度下降
optimizer.step()
# 累计损失：乘以批次大小，避免批次影响
epoch_loss += loss.item() * batch_X.size(0)
# 计算本轮平均损失
avg_loss = epoch_loss / len(train_dataset)
train_losses.append(avg_loss)
# 每5轮打印一次损失，方便观察训练进度
if (epoch+1) % 5 == 0:
print(f"Epoch [{epoch+1}/{epochs}], Loss: {avg_loss:.4f}")
# 可视化训练损失曲线
plt.figure(figsize=(10, 6))
plt.plot(train_losses, label="Training Loss", color="#1f77b4")
plt.xlabel("Epochs", fontsize=12)
plt.ylabel("MSE Loss", fontsize=12)
plt.title("Training Loss Curve", fontsize=14)
plt.legend()
plt.grid(True, linestyle="--", alpha=0.7)
plt.show()关键解析：
损失函数nn.MSELoss()：回归任务的标配，计算预测值和真实值的均方误差
优化器Adam：比传统SGD收敛更快，学习率lr=1e-3是经验值
训练循环四步走：梯度清零→前向传播→反向传播→参数更新，这是PyTorch训练的固定流程
损失可视化：通过损失曲线可以判断模型是否收敛，曲线下降并趋于平稳就是训练有效的标志。
三、总结
本文完整实现了基于PyTorch的新冠阳性病例占比预测任务，从数据预处理到模型训练的每一步都有详细解析。这个项目不仅适合新手入门PyTorch，还可以在此基础上拓展优化，形成更深入的技术博客。
四、数据集
