PyTorch - 0. regression 线性回归

最新推荐文章于 2024-06-30 21:49:05 发布

铁三运动员

最新推荐文章于 2024-06-30 21:49:05 发布

阅读量160

点赞数 1

文章标签：线性回归机器学习

本文链接：https://blog.csdn.net/bassbian/article/details/121709217

版权

Linear Regression

linear regression就是线性回归问题。最基本的例子就是y=mx+b。

在machine learning里面，最简单的就是调包。scikit-learn包你满意。

X, Y = pd.read_csv('my-dataset.csv') + some preprocessing # 把训练数据拿出来
model = LinearRegression() # 建立一个线性回归模型
model.fit(X, Y) # 把X和Y放到模型里组成训练数据
Y-hat = model.predict(X) # 开始训练，用X去预测Y-hat, 然后比较真值Y和预测值Y-hat

和Keras或者scikit-learn不同的是，PyTorch里面没有定义好的model，也没有定义好的fit或者predict这种函数。所以要理解每一步在做什么，才能用PyTorch去建立一个模型。

首先我们有一些数据x和y， $Data = {(x_1, y_1), (x_2, y_2), ... (x_N, y_N)}$ ， N是数据的总数量。我们要找到一个线性关系来最好的对应所有的x和y，就是y=mx+b这条线。但我们要知道其实这条线是不一定存在的，或者是一定不存在的。因为最后找到的这条线不会完美的经过所有的数据点，只可能尽量地接近所有点。