每天五分钟深度学习pytorch：基于pytorch搭建多项式线性回归模型

本文重点

我们前面学习了基于pytoch搭建一元线性回归模型，本文我们学习使用pytorch搭建多项式的回归模型，在学习这个之前我们需要了解一下什么是多项式回归模型？

多项式回归模型和多变量（多特征）的回归模型是不一样的，多变量就是一个样本有多个特征属性，而多项式就是一个样本还只有一个属性x，但是有时候可能拟合效果不好，我们可以考虑多项式回归，也就是提高每个属性的次数，总的来说就是多项式的回归模型的特征是(x,x²，x³...)，而多变量的回归模型的特征是(x1,x2,x3...),本文我们学习多项式回归模型的搭建。

模型搭建

class Polynomial_Regression(nn.Module):
 def __init__(self):
 super(Polynomial_Regression,self).__init__()
 self.poly=nn.Linear(3,1)#这里的模型输入是 3 维，输山是 1 维，
 def forward(se1f,x): 
 out = se1f.poly(x) 
 return out 

这个模型有三个输入，一个输出，它的可视化模型图如下所示：