2302_80012625的博客

本次学习内容涵盖数据的读取、预处理、可视化以及特征和标签的准备。使用Pandas和Matplotlib库进行数据操作和可视化，使用PyTorch进行模型构建与训练。通过独热编码将分类变量转换为数值数据，以便用于机器学习模型。通过数据标准化、神经网络模型构建、训练及结果可视化，完成了天气预测的回归任务。使用了多层感知器（MLP）模型，并对比了手动构建模型和使用的方法。训练过程中采用了小批量梯度下降法，记录并分析了模型的损失值变化。涉及函数。

self.hidden1 = nn.Linear(784, 128) # 第一隐藏层self.hidden2 = nn.Linear(128, 256) # 第二隐藏层self.out = nn.Linear(256, 10) # 输出层self.dropout = nn.Dropout(0.5) # Dropout层功能创建一个名为Mnist_NN的神经网络类，继承自nn.Module。在初始化方法中定义网络的结构，包括两个隐藏层和一个输出层，以及一个 Dropout 层以减少过拟合。