## Pytorch-06二分类问题代码
import numpy as np
import torch.nn.functional as F
import torch
import matplotlib.pyplot as plt
# prepare datasets
x_data=torch.Tensor([[1],[2],[3],[4]])
y_data=torch.Tensor([[0],[0],[1],[1]])
# custormize your model
class Model(torch.nn.Module):
def __init__(self):
super(Model,self).__init__()
self.linear=torch.nn.Linear(1,1)
def forward(self,x):
y_pred=F.sigmoid(self.linear(x))
return y_pred
model=Model()
#loss function & optimizer
criterion=torch.nn.BCELoss(reduction='sum')
optimizer=torch.optim.SGD(model.parameters(),lr=0.01)
# training cycle
for epoch in range(7000):
y_pred=model(x_data)
loss=criterion(y_pred,y_data)
# print(loss.item())
optimizer.zero_grad()
loss.backward()
optimizer.step()
x=np.linspace(0,10,200)
x_t=torch.Tensor(x).view(200,1)
y_t=model(x_t)
y=y_t.data.numpy()
plt.plot(x,y,'--',c='pink')# 1.x值,2.y值,3.设置图线的样式,!!必须在设置颜色的'c'之前!!,其他还可以参考(https://blog.csdn.net/gdengden/article/details/103847847),4. 设置颜色
plt.plot([0,10],[0.5,0.5],[3,2],c='green')# 1.画一条指定切线
plt.xlabel('Hours',fontsize=15)#设置x轴label,以及字体大小,还可以设置颜色
plt.ylabel('Probability of Pass',fontsize=15)#设置y轴Label
plt.title('Test',fontsize=20,c='red')#设置图的title,以及字体大小和颜色
plt.axis([-1,10,0,3])#设置坐标轴范围,依次为x_min,x_max,y_min,y_max
plt.grid()
plt.show()
# 总结:该模型就是输出概率值
# sigmoid 定义在torch.nn.functional,其他sigmoid函数也在其中,如tan
说明,一个简单的二分类问题,最后几行是一个生成的测试集