【PaddlePaddle】波士顿房价预测模型

1. 加载飞桨、numpy等相关类库

import paddle
import paddle.fluid as fluid
import paddle.fluid.dygraph as dygraph  # 动态图的类库
from paddle.fluid.dygraph import Linear # 神经网络的全连接层函数
import numpy as np
import os
import random

2. 数据处理

def load_data():
    # 从文件中导入数据
    datafile = './work/housing.data'
    data = np.fromfile(datafile, sep=' ')

    # 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
    feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
                      'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
    feature_num = len(feature_names)

    # 将原始数据进行Reshape，变成[N, 14]这样的形状
    data = data.reshape([data.shape[0] // feature_num, feature_num])

    # 将原数据集拆分成训练集和测试集
    # 这里使用80%的数据做训练，20%的数据做测试
    ratio = 0.8
    offset = int(data.shape[0] * ratio)
    training_data = data[:offset]

    # 计算train数据集的最大值，最小值，平均值
    maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), \
                                 training_data.sum(axis=0) / training_data.shape[0]
    
    # 记录数据的归一化参数，在预测时对数据做归一化
    global max_values
    global min_values
    global avg_values
    max_values = maximums
    min_values = minimums
    avg_values = avgs

    # 对数据进行归一化处理
    for i in range(feature_num):
        data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])

    # 训练集和测试集的划分比例
    training_data = data[:offset]
    test_data = data[offset:]

    return training_data, test_data
    

3. 模型设计，定义init函数和forward函数

class Regressor(fluid.dygraph.Layer):
    def __init__(self):
        super(Regressor, self).__init__()
        self.fc = Linear(input_dim=13, output_dim=1, act=None)
    
    def forward(self, inputs):
        y = self.fc(inputs)
        return y

4. 训练配置，包括四个步骤：指定运行训练的机器资源，声明模型实例，加载训练和测试数据，设置优化器和学习率

训练过程，包括四个步骤：数据准备，前向计算，损失函数，反向传播

with fluid.dygraph.guard(fluid.CPUPlace()):
    # 1-指定训练资源：使用GPU，则为fluid.CUDAPlace(0)
    # 2-声明定义好的线性回归模型，开启模型训练模式
    model = Regressor()
    model.train()
    # 3-加载数据
    training_data, test_data = load_data()
    # 4-定义优化算法和学习率
    opt = fluid.optimizer.SGD(learning_rate=0.01, parameter_list=model.parameters())

    EPOCH_NUM = 10   # 设置外层循环次数
    BATCH_SIZE = 10  # 设置batch大小
    
    for epoch_id in range(EPOCH_NUM):

        # 1.数据准备：打乱数据，分批次读取数据，将numpy数据转换为variable形式
        np.random.shuffle(training_data)
        mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
        for iter_id, mini_batch in enumerate(mini_batches):
            x = np.array(mini_batch[:, :-1]).astype('float32')
            y = np.array(mini_batch[:, -1:]).astype('float32')
            house_features = dygraph.to_variable(x)
            prices = dygraph.to_variable(y)

            
            # 2.前向计算
            predicts = model(house_features)
            
            # 3.计算损失
            loss = fluid.layers.square_error_cost(predicts, label=prices)
            avg_loss = fluid.layers.mean(loss)
            if iter_id%20==0:
                print("epoch: {}, iter: {}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
            
            # 4.反向传播
            avg_loss.backward()
            opt.minimize(avg_loss) # 最小化loss,更新参数
            model.clear_gradients() # 清除梯度

    # 保存模型
    fluid.save_dygraph(model.state_dict(), 'LR_model')

5. 保存和测试模型

保存模型在上述第4步的训练完成之后，考虑到在实际应用中，训练模型和使用模型往往是不同的场景，因此选择保存模型之后再加载模型，进而对测试集进行预测

def load_one_example(data_dir):
    # 打开文件，并选择最后1条数据用于测试
    f = open(data_dir, 'r')
    datas = f.readlines()
    tmp = datas[-1]
    tmp = tmp.strip().split()
    one_data = [float(v) for v in tmp]

    # 因为训练中使用了归一化的数据，因此需要对测试数据也进行归一化处理
    for i in range(len(one_data)-1):
        one_data[i] = (one_data[i] - avg_values[i]) / (max_values[i] - min_values[i])
    data = np.reshape(np.array(one_data[:-1]), [1, -1]).astype(np.float32)
    label = one_data[-1]
    data = dygraph.to_variable(data)
    label = model(label)
    
    return data, label

with dygraph.guard():
    # 读取保存的模型，参数为保存模型参数的文件地址
    model_dict, _ = fluid.load_dygraph('LR_model')
    model.load_dict(model_dict)
    model.eval()

    # 读取测试数据集，参数为数据集的文件地址
    test_data, label = load_one_example('./work/housing.data')

    # 对结果做反归一化处理
    results = results * (max_values[-1] - min_values[-1]) + avg_values[-1]
    print("Inference result is {}, the corresponding label is {}".format(results.numpy(), label))