机器学习（1）关系拟合（回归）与区分类型（分类）

最新推荐文章于 2022-08-10 12:24:27 发布

Superb_Day

最新推荐文章于 2022-08-10 12:24:27 发布

阅读量570

点赞数 1

分类专栏： pytorch机器学习文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/qq_41754350/article/details/121106940

版权

这篇博客探讨了机器学习的基础概念，包括关系拟合的回归分析和区分类型的分类问题。作者在学习过程中遇到困难，通过详细研究和查阅资料，逐步理解了这两个核心概念。

摘要由CSDN通过智能技术生成

这波全新的学习遭老罪了，几乎啥都看不明白，一个一个查，感觉注释有代码两倍长。

一、回归

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt

#-----建立数据集-----


# torch.manual_seed(1)    # reproducible可再生的

x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)  # x data (tensor), shape=(100, 1)
#numpy.linspace 函数用于创建一个一维数组，数组是一个等差数列构成的，格式如下：
#unsqueeze用来增加张量，torch中只能处理二维信息，在指定位置 dim 插入一个大小为1的维度

y = x.pow(2) + 0.2*torch.rand(x.size())                 # noisy y data (tensor), shape=(100, 1)
#这一行的意思是把y和x相关，添加噪点

# torch can only train on Variable, so convert them to Variable
# The code below is deprecated in Pytorch 0.4. Now, autograd directly supports tensors
# x, y = Variable(x), Variable(y)

# plt.scatter(x.data.numpy(), y.data.numpy())
# plt.show()

#-----建立神经网络-----

class Net(torch.nn.Module):    #继承torch的组件
    #class(类)是面向对象编程的基本概念，是一种自定义数据结构类型 命名为Net

    #init搭建这个信息层所需要的信息
    def __init__(self, n_feature, n_hidden, n_output):
        super(Net, self).__init__()    # 继承 __init__ 功能
        #首先找到Net的父类（比如是类nn.Module），然后把类Net的对象self转换为类nn.Module的对象，然后“被转换”的类nn.Module对象调用自己的init函数
        self.hidden = torch.nn.Linear(n_feature, n_hidden)   # 隐藏层线性输出
        self.predict = torch.nn.Linear(n_hidden, n_output)   # 输出层线性输出
        #nn.Lin