02.线性模型

本课程的主要任务是构建一个完整的线性模型：
导入numpy和matplotlib库；
导入数据 x_data 和 y_data;
 

定义前向传播函数:
forward：输出是预测值y_hat

定义损失函数：
loss：损失函数定义为MSE：均方根误差

创建两个空列表，因为后面绘图的时候要用：分别是横轴的w_list和纵轴的mse_list

  开始计算（我觉得这里没有训练的概念，只是单纯的计算每一个数据对应的预测值，然后让预测值跟真是y值根据MSE求损失）：

  外层循环，创建40个横坐标自变量：用w表示; 在0.0~4.0之间均匀取点，步长0.1；内层循环：核心计算内容

   从数据集中，按数据对儿取出自变量x_val和真实值y_val;先调用forward函数，计算预测值 w*x(y_hat)

   调用loss函数，计算单个数据的损失数值；累加损失，并记下来（此处要提前初始化一个值为0的变量，后面才能不报错）；

   随意打印想要看到的内容，一般是打印x_val、y_val、loss_val；
   在外层循环中(也就是每一个数据对儿计算的时候)，都要把计算的结果，放进之前的空列表，用于绘图；在获得了打印所需的数据列表只有，模式化地打印图像：

plt.plot(w_list, mse_list)
plt.xlabel(‘w’)
plt.ylabel('Loss)
plt.show()

完整代码

import numpy as np
import matplotlib.pyplot as plt

# 定义输入数据
x_data = [1.0, 2.0, 3.0]
y_data = [2.0, 4.0, 6.0]

# 定义前向函数，用于计算给定x和权重w时的y_hat（预测值）
def forward(x):
    return x * w

# 定义损失函数，计算y_hat和y之间的均方误差（MSE）损失
def loss(x, y):
    y_pred = forward(x)  # 计算预测值
    return (y_pred - y) ** 2  # 计算并返回平方误差

w_list = []   # 存储不同权重 'w' 的列表
mse_list = []  # 存储对应的均方误差（MSE）值的列表

# 遍历权重从0.0到4.0，步长为0.1
for w in np.arange(0.0, 4.0, 0.1):
    print('w=', w)
    l_sum = 0  # 初始化当前 'w' 值的损失总和
    
    # 遍历数据点，计算预测值和损失
    for x_val, y_val in zip(x_data, y_data):
        y_pred_val = forward(x_val)  # 计算当前数据点的预测值
        loss_val = loss(x_val, y_val)  # 计算当前数据点的损失
        l_sum += loss_val  # 将损失值添加到总和中
        print('\t', x_val, y_val, y_pred_val, loss_val)
    
    # 计算当前 'w' 值的均方误差（MSE）并打印
    print('MSE=', l_sum / len(x_data))  # 计算平均损失（MSE）
    
    # 将当前 'w' 值和对应的MSE添加到列表中
    w_list.append(w)
    mse_list.append(l_sum / len(x_data))

# 绘制 'w' 和 MSE 之间的关系
plt.plot(w_list, mse_list)
plt.ylabel('loss')  # y轴标签
plt.xlabel('w')  # x轴标签
plt.show()  # 显示图形

 运行结果