＜从零开始pytorch＞:02-torch搭建神经网络模型-气温预测案例

最新推荐文章于 2024-07-16 15:08:50 发布

DDxuexi

最新推荐文章于 2024-07-16 15:08:50 发布

阅读量1.1k

点赞数 2

分类专栏： pytorch学习文章标签：神经网络 python pytorch

本文链接：https://blog.csdn.net/DDxuexi/article/details/115480825

版权

本文通过PyTorch构建神经网络模型进行气温预测。首先介绍数据获取和预处理，接着详细阐述如何将数据转化为张量，并构建网络模型，包括权重初始化和损失记录。还展示了使用内置方式定义网络模型，以及训练后的预测结果。最后，文章总结了神经网络搭建流程及绘图技巧。

摘要由CSDN通过智能技术生成

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import torch
import torch.optim as optim
import warnings
warnings.filterwarnings('ignore')
%matplotlib inline

搭建Pytorch神经网路进行气温预测

获取数据并,展示分析数据

features = pd.read_csv('temps.csv')

features.head()

	year	month	day	week	temp_2	temp_1	average	actual	friend
0	2016	1	1	Fri	45	45	45.6	45	29
1	2016	1	2	Sat	44	45	45.7	44	61
2	2016	1	3	Sun	45	44	45.8	41	56
3	2016	1	4	Mon	44	41	45.9	40	53
4	2016	1	5	Tues	41	40	46.0	44	41

temp_2:前天的最高气温
temp_1:昨天的最高气温
average: 每年这一天的平均最高温度值
actual : 实际的值,y值,要预测的值
friend : 一个不准确的数据,朋友猜的今天的气温

# 查看数据的形状
features.shape

(348, 9)

# 处理时间数据
import datetime

# 分别得到年/月/日
years = features['year']
months = features['month']
days = features['day']

# 处理成datetime格式
dates = [str(int(year))+'-'+str(int(month))+'-'+str(int(day)) for year,month,day in zip(years,months,days)]
dates = [datetime.datetime.strptime(date,'%Y-%m-%d') for date in dates]

dates[:5]

[datetime.datetime(2016, 1, 1, 0, 0),
 datetime.datetime(2016, 1, 2, 0, 0),
 datetime.datetime(2016, 1, 3, 0, 0),
 datetime.datetime(2016, 1, 4, 0, 0),
 datetime.datetime(2016, 1, 5, 0, 0)]

# 画图展示:观察数据大概是什么样子的
plt.style.use('fivethirtyeight') # 指定默认风格

# 设置布局
fig,((ax1,ax2),(ax3,ax4)) = plt.subplots(nrows=2,ncols=2,figsize=(10,10))
fig.autofmt_xdate(rotation=45)

# 标签值
ax1.plot(dates,features['actual'])
ax1.set_xlabel('');ax1.set_ylabel('Temperature');ax1.set_title('Max Temp')

# 昨天
ax2.plot(dates,features['temp_1'])
ax2.set_xlabel('');ax2.set_ylabel('Temperature');ax2.set_title('Previous Max Temp')

# 前天
ax3.plot(dates,features['temp_2'])
ax3.set_xlabel('');ax3.set_ylabel('Temperature')