pytorch做回归任务

Sonne1122

已于 2022-03-30 17:10:57 修改

阅读量2.2k

点赞数

分类专栏：深度学习文章标签： pytorch 回归

于 2022-03-30 16:19:29 首次发布

本文链接：https://blog.csdn.net/Sonne1122/article/details/123848917

版权

这篇博客记录了使用PyTorch进行回归任务的实践经验，包括数据格式处理，网络代码编写以及一些关键操作的解释，如x.reshape(1, -1)用于转换数据形状，torch.nn.MSELoss()的不同还原方法影响输出结果。" 51418863,4846971,平衡二叉树（AVL Tree）详解及旋转操作,"['数据结构', '二叉平衡树', '二叉树操作']

摘要由CSDN通过智能技术生成

记录写的第一个深度学习网络–pytorch做回归任务

数据格式

用open-change7个变量预测label
在这里插入图片描述

代码

#  导入库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import torch
from sklearn import preprocessing

#  导入数据集
#  训练集和测试集导入数据
data = pd.read_csv(r'stock_train.csv',encoding='utf-8')
data_test1 = pd.read_csv(r'stock_test.csv',encoding='utf-8')
#  导入训练集因变量
y_train = np.array(data.label)
y_train = y_train.reshape(-1, 1)
y_train = preprocessing.StandardScaler().fit_transform(y_train)
#  导入训练集自变量
data_train = data.drop('label', axis = 1)
data_train = data_train.drop(columns = 'date', axis = 1)
x_train = np.array(data_train)
x_train