今天来介绍深度学习中的线性回归,并以空气质量数据为例,得出AQI指数和PM2.5、PM10、SO2等监测量之间的关系。最后采用Pytorch实现该例子。 数据来源可参考文章:[空气质量指数]
线性回归模型主要包括模型部分(即线性关系)、数据集、损失函数、优化函数这几个基本要素。
0 1模型根据我们所拥有的数据,假设AQI指数只取决于PM25, PM10, SO2, CO, NO2, O3这几个因素。线性回归假设输出与各个输入之间是线性关系,即: 02数据集通常会收集一系列的真实数据,并在这个数据上面寻找模型参数来使模型的预测AQI值与真实AQI值的误差最小。这个数据集被称为训练数据集(training data set)或训练集(training set),一条监测记录被称为一个样本(sample),其AQI值叫作标签(label),用来预测标签的因素叫作特