【Pytorch深度学习实践】B站up刘二大人之Logistics Regression-代码理解与实现(5/9)

开篇几句题外话：

这里的原理还是要静下心来理解透，理解透了才能用的出来。
拼写不能出错，这么低级的错误，卡住了两天。step的拼写。

Lecture06 —— Logistics Regression 逻辑回归模型

说在前面：

• 虽然这叫回归模型，但是它分两种：能用于回归，也能用于分类；
• 本节是讲的二分类，背景是：学习多少小时能够考试通过；
• 训练好模型以后，直接用来预测，4小时的学习，能够通过的概率是多大？

详细过程（本节开始，只说与之前代码的不同之处）：

• 在加载工具包的时候，由于要使用 sigmoid 的函数，而这个函数，是在 torch.nn.functional 当中的，所以，先设置一个句柄等待使用： torch.nn.functional as F;
• 导入的数据中，y_data的值，不再是原来的预测：学习多久，得多少分？而是： x_data 个小时，是否会通过考试，把原本的预测回归问题，转为预测分类问题，而且此处是二分类，最终预测结果只有0和1，要么通过，要么不通过；
• 在用于创建模型的类中，需要把原本的前向传播，计算结果转为概率，那么就需要用到 sigmoid 函数，这个函数，值域是（0,1），把原本输出的得分数值转为能够通过考试的概率，就是在这里用到了 F 这个函数句柄，F.sigmoid;
• 另一个变化是损失函数，这里不在使用原本的MSE函数，而是使用分类任务常用的交叉熵损失函数，这个里面的原理，需要懂，刘老师讲完一下子就理解了，用到了 torch,nn,BCELoss 函数；
• 由于是分类任务，那么最后的预测，与之前的回归任务就不一样了，测试的时候，直接把一个需要预测的值传入模型当中：x_test = torch.Tensor（[[4.0]]） y_test = model（x_test）

完整代码：

#!usr/bin/env python
# -*- coding:utf-8 _*-
"""
@author: 24_nemo
@file: 06_Logistic Regression_handType.py
@time: 2022/04/10
@desc:
"""

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

os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'

x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[0], [0], [1]])


class LogisticRegressionModel(torch.nn.Module):
    def __init__(self):
        super(LogisticRegressionModel, self).__init__()
        self.linear = torch.nn.Linear(1, 1)

    def forward(self, x):
        y_hat = F.sigmoid(self.linear(x))
        return y_hat


model = LogisticRegressionModel()

criterion = torch.nn.BCELoss(size_average=False)
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

epoch_list = []
loss_list = []

for epoch in range(1000):
    y_hat = model(x_data)
    loss = criterion(y_hat, y_data)
    print(epoch, loss.item())

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    epoch_list.append(epoch)
    loss_list.append(loss.item())

print('w =', model.linear.weight.item())
print('b =', model.linear.bias.item())

x_test = torch.Tensor([[4.0]])
y_test = model(x_test)
print('y_pred = ', y_test.data)

plt.plot(epoch_list, loss_list)
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()

运行结果：

上一篇：

【Pytorch深度学习实践】B站up刘二大人之Linear Regression with PyTorch-代码理解与实现(4/9)

下一篇：

【Pytorch深度学习实践】B站up刘二大人之Multiple Dimension Logistic Regression Model-代码理解与实现(6/9)

目录：

【Pytorch深度学习实践】B站up刘二大人课程笔记——目录与索引（已完结）