搭建PyTorch神经网络进行气温预测(练习)

最新推荐文章于 2024-09-23 00:51:58 发布

Albert_豆腐脑

最新推荐文章于 2024-09-23 00:51:58 发布

阅读量2.6k

点赞数 5

分类专栏： pytorch python

本文链接：https://blog.csdn.net/weixin_44920757/article/details/116458658

版权

本文介绍如何利用PyTorch建立神经网络模型，对气温数据进行预测。首先，处理包含前天和历史平均气温的数据，接着进行数据标准化。然后构建并训练网络模型，最终展示训练结果并进行可视化。

摘要由CSDN通过智能技术生成

#torch.optim是一个实现了各种优化算法的库
import numpy as np
import pandas as pd 
import matplotlib.pyplot as plt
import torch
import torch.optim as optim
#通过调用 warnings 模块中定义的 warn() 函数来发出警告
import warnings
#通过调用 filterwarnings() 将规则添加到过滤器，ignore"	忽略匹配的警告
warnings.filterwarnings("ignore")
%matplotlib inline

features = pd.read_csv('temps.csv')

#看看数据长什么样子
features.head(10)

在这里插入图片描述

数据表中
year,moth,day,week分别表示的具体的时间； temp_2：前天的最高温度值； temp_1：昨天的最高温度值； average：在历史中，每年这一天的平均最高温度值； actual：这就是我们的标签值了，当天的真实最高温度； friend：这一列可能是凑热闹的，你的朋友猜测的可能值，咱们不管它就好了；

print('数据维度:', features.shape)

在这里插入图片描述

# 处理时间数据，转换格式datetime格式方便操作
import datetime

# 分别得到年，月，日
years = features['year']
months = features['month']
days = features['day']

# datetime格式
#必须把str转换为datetime。转换方法是通过datetime.strptime()实现
#datetime.datetime.strptime:万能的日期格式转换
dates = [str(int(year)) + '-' + str(int(month)) + '-' + str(int(day)) for year, month, day in zip(years, months, days)]
dates = [datetime.datetime.strptime(date, '%Y-%m-%d') for date in dates]
dates[:5]

在这里插入图片描述

#展示 
#准备画图
# 指定默认风格
plt.style.use('fivethirtyeight')

# 设置布局
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize = (10,10))
#X轴上旋转45度并且右对齐
fig.autofmt_xdate(rotation = 45)

# 标签值
ax1.plot(dates, features['actual'])
ax1.set_xlabel(''); ax1.set_ylabel('Temperature'); ax1.set_title(&#