深度学习笔记（二）用Torch实现线性回归

代码地址： https://github.com/vic-w/torch-practice/tree/master/linear-reg

神经网络是由很多逻辑回归的节点级联组成的。而所谓逻辑回归，就是一个线性变换连接一个Sigmoid函数。所以说线性回归是神经网络最基本的组成单元。

这里先介绍一下最简单的线性回归，也就是单输入单输出函数的拟合。它的效果等同于用最小二乘法在二维空间里拟合出一条直线。

X表示输入，Y是输出。他们的关系是Y=aX+b。其中a和b是两个可调的参数。

假设我们有一组x到y的映射。比如说x是2015年的月份，y是深圳当月房价均价。

X     Y

1    28993

2    29110

3    29436

4    30791

5    33384

6    36762

7    39900

8    39972

9    40230

10  40146

我们认为这两个变量成线性关系y=ax+b（当然这只是假设）。

我们有了数据和模型，接下来我们要在Torch里面写一个程序来预测一下11月的房价是多少。

现在可以开始写程序了。

首先要包含一些必要的库。

require 'torch' --Torch本身
require 'nn' --神经网络
require 'gnuplot' --画图的库

然后把我们的数据写进torch的tensor数据类型里。月份是1到10，价格是十个数字。