分类问题
线性回归模型通常是处理因变量是连续变量的问题,分类问题 所预测的结果就是离散的类别,输入可以是连续也可以是离散的数据类型,而监督学习从数据中学习一个分类模型或者一个分类决策函数,它被称为分类器,分类器对新输入的数据进行输出预测,这一过程称为分类。例如,判断垃圾邮件,病人是否生病这些经典的二分类问题。逻辑回归(Logistic Regression) 是用于处理因变量为分类变量的回归问题,常见的是二分类或二项分布问题,也可以处理多分类问题,它实际上是属于一种分类方法。具体内容见一下博客总结的不错:逻辑回归
多分类问题
多分类问题处理方式很多,最好理解的以多个二分类器方式实现;另外,进行编码和解码处理进行有监督训练分类模型,如下:
MNIST手写数字识别: 代码运行正常,请确保自己的Pytorch环境正常。
文件1:utils.py
import torch
from matplotlib import pyplot as plt
def plot_curve(data):
fig = plt.figure()
plt.plot(range(len(data)), data, color='red')
plt.legend(['Value'],loc='upper right')
plt.xlabel('step')
plt.ylabel('value')
plt.show()
def plot_image(img,label,name):
fig = plt.figure()
for i in range(6):
plt.subplot(2,3,i+1)
plt.imshow(img[i][0]*0.3081+0.1307,cmap='gray',interpolation='none')
plt.title("{}:{}".format(name,label[i].item