数据介绍:用’name’, ‘regDate’, ‘model’, ‘brand’, ‘bodyType’, ‘fuelType’, ‘gearbox’, ‘power’, ‘kilometer’, ‘regionCode’, ‘seller’, ‘creatDate’这12个指标预测’price’
数据集划分成了X_train,y_train 和 X_test,y_test
我用自己定义的Dataset,作用就是把X,y向量化了而已,然后用torch.utils.data中的DataLoader导入的train_dataloader和test_dataloader
打印我的train_dataloader看下
这里面包含两个tensor,一个是X_train生成的,一个是y_train生成的
下面开始正题
定义网络结构:
class Net(torch.nn.Module):
def __init__(self, n_feature, n_hidden, n_output):
super(Net, self).__init__()
self.hidden = torch.nn.Linear(n_feature, n_hidden)
self.output = torch.nn.Linear(n_hidden, n_output)
def forward(self, data):
hidden = self.hidden(data)
hidden = F.relu(hidden)