Pytorch笔记之线性回归https://i.csdn.net/#/user-center/profile

通过一个模型达到输入Education可以预测出Income:

 单变量线性回归算法（比如，x代表学历，f(x)代表收入)︰
       f(x)= w*x + b
我们使用f(x)这个函数来映射输入特征和输出值，即模型。

损失函数:使用均方差作为作为成本函数，也就是预测值和真实值之间差的平方取均值

优化的目标（y代表实际的收入)∶
找到合适的w和b，使得(f(x) - y)2越小越好。主要：如何求解参数w和b，从而确定该直线是在什么位置。

如何优化：使用梯度下降算法。

画数据的散点图：x轴为Education Y轴为Income

import csv

import torch

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

data = pd.read_csv('datasets/Income.csv') #读取CSV文件数据

data #查看读取的数据

data info() #返回读取数据的整体情况

plt.scatter（data.Education, data.Income）#绘制散点图

画数据的折线图：（读完csv中数据后）：

一张图中多条折线图：计数、幅值、峰频为输入，绝对能量为输出。

x1data = data.loc[:,'计数' ]#将csv中列名为“  ”的列存入xdata数组中
x2data = data.loc[:,'幅值' ]
x3data = data.loc[:,'峰频' ]
ydata  = data.loc[:,'绝对能量']
plt.plot(x1data,ydata,color='r',marker='o',mec='r',mfc='w',label=u'计数')
plt.plot(x2data,ydata,color='b',marker='o',mec='r',mfc='w',label=u'幅值') 
plt.plot(x3data,ydata,color='g',marker='o',mec='r',mfc='w',label=u'峰频') 
plt.title(u"zhexiantu",size=10) #设置表名为“表名”
plt.legend()
plt.xlabel(u'X轴',size=10)  #设置x轴名为“x轴"
plt.ylabel(u'Y轴',size=10)  #设置y轴名为“y轴"

一张图单条的话则分开即可。

loc函数：通过行索引 "Index" 中的具体值来取行数据

iloc函数：通过行号来取行数据