本文要用的包
import random
import torch
from d2l import torch as d2l
解决什么样的问题
线性回归解决的最常见问题就是波士顿房价问题,如果一个问题如房价一样,y值(房屋总价)与一个或多个变量(房屋的面积,卧室数量等影响房价的变量)存在某种线性关系,那么我们就可以用线性回归来求得这些变量所对应的权重是多少,通常还会有一个误差值,公式如下:
y=k1X1+K2X2+…+b(误差),其中K就是权重,X就是变量,b就是误差
矩阵的写法如下:
y=Xw+b ,其中X就是i(样本数量)行j(变量个数)列的矩阵,w就是j(变量个数)行1列的矩阵,b是i(样本数量)行1列的矩阵,Xw即X点乘w
有了权重值,有了某套即将上架的房子各种决定性变量,那么就可以预测这个房子的总价了!
一个例子
假设这个问题的y值由w个变量决定,具有一定的线性关系,现有n组样本值,求w个变量对应的权重值。
创建一个数据集
样本集:创建n个样本,每个样本有a个变量值,n个样本的变量满足正态分布,形成一个n行a列的矩阵X
正确的权重值:w,是一个a行1列的矩阵
正确的误差值:b
正确的y值=Xw+b
那么现在已知X和Y作为样本集,接下来就是通过线性回归去求变量的权重值。
下面的函数可以生成样本数据
def synthetic_data(w, b, num_examples): #@save
"""生成y=Xw+b+噪声"""
X = torch.normal(0, 1, (num_examples, len(w)))#均值0,方差1,n行len(w)列的矩阵
y = torch.matmul(X, w) + b #点乘
y += torch.normal(0, 0.01, y.shape)#随机误差
return X, y.reshape((-1, 1)) #-1表示自动计算,1表示列,即形成一列
下面的代码给出了正确的权重值w和误差值b,features和labels分别代表样本数据和真实的y值,样本量为1000
true_w = torch.tensor([2, -3.4])
true_b = 4.2
features, labels = synthetic_data(true_w, true_b, 1000)
下面的代码可以以绘图的形式体现y值与变量是否存在线性关系,在做实际问题时,可以先检验一下线性关系,如果存在这样的关系,那么就可以用线性回归来解决。
d2l.set_figsize()
d2l.plt.scatter(features[:, (0)].detach().numpy(), labels.detach().numpy(), 1);
读取数据集
这个函数用来按批次读取数据集,形参分别是每批读多少组数据(batch_size),全体样本数据(features),全体样本数据的结果(labels)
def data_iter(batch_size, features, labels):
num_examples = len(features) #记录样本数量
indices = list(range(num_examples)) #0-num_examples的一个列表
# 这些样本是随机读取的,没有特定的顺序
random.shuffle(indices) #将0-num_examples个数打乱
print(indices)#打乱的目的是,每次调用这个函数的时候,读取的数据集的顺序都是不一样的,这样的迭代才有意义
for i in range(0, num_examples, batch_size):#逐批读数据
batch_indices = torch.tensor(
indices[i: min(i + batch_size, num_examples)])#获得每批数据的下标
print(batch_indices)
yield features[batch_indices], labels[batch_indices] #return并记住下次迭代的位置
初始化模型参数
接下来我们会通过迭代使得w和b无限接近于真实情况,迭代方法会在下一小节详述,那么迭代开始之前,w和b会有一个初始的值,初始值如下:
w = torch.normal(0, 0.01, size=(2,1), requires_grad=True) #均值0 方差0.01的正态分布 2行1列 初始给的w值。
b = torch.zeros(1, requires_grad=True) #b初始给0
定义模型
这一小节是线性回归最重要的一环,模型定义
- 线性回归模型
torch.matmul就是torch这个包中的点乘方法,这个函数return的就是y值
def linreg(X, w, b): #@save
"""线性回归模型"""
return torch.matmul(X, w) + b
- 损失函数
损失函数是判断预测值结果是否准确的重要函数,同时对损失函数求导对于迭代有着十分重要的作用
def squared_loss(y_hat, y): #@save y_hat为预测值,y是真实值
"""均方损失"""
return (y_hat - y.reshape(y_hat.shape)) ** 2 / 2
- 优化算法
通过迭代这个算法可以使得w和b值达到最优,其中param.grad就是b或w的导数
def sgd(params, lr, batch_size): #@save
"""小批量随机梯度下降"""
with torch.no_grad():
for param in params:
param -= lr * param.grad / batch_size #这是优化的关键算法,其中lr是学习率,需要给出的
param.grad.zero_()
这个关键算法的数学公式如下
训练
- 参数定义
lr = 0.03 #学习率
num_epochs = 3 #扫描整个数据三遍
net = linreg #线性回归模型
loss = squared_loss #损失函数
- 训练
for epoch in range(num_epochs):
for X, y in data_iter(batch_size, features, labels):
l = loss(net(X, w, b), y) # X和y的小批量损失
print("l:",l)
# 因为l形状是(batch_size,1),而不是一个标量。l中的所有元素被加到一起,
# 并以此计算关于[w,b]的梯度
l.sum().backward()#通过对一批损失值求导,可以得到这批损失值对w和b的偏导
print("w:",w,"b:",b)
sgd([w, b], lr, batch_size) # 使用参数的梯度更新参数
print("w:",w,"b:",b)
with torch.no_grad():
train_l = loss(net(features, w, b), labels)
print(train_l)
print(f'epoch {epoch + 1}, loss {float(train_l.mean()):f}',w,b)
这就是对一批损失值求和后的均值,对其求w的偏导,令其得0,就可以得到w*,用数学方式计算如下,用代码就是上面的表现形式了。
第一次扫描数据开始,对一批数使用上述算法可以得到第一次的w和b值,经过(样本数/批数)次的迭代后,可以得到一个非常接近结果的值。接下来重复上述操作,进行第二次数据扫描,由于data_iter这个函数将样本下标再一次打乱,因此这次获取的样本的顺序和上一次不一样,在上一次扫描的基础上,也就是拿着上一次扫描最后的w和b值,继续做迭代,可以使得第二次扫描结果更加接近正确则,做三次扫描,结果无比接近!
小结一下
对于有大样本,有线性关系的数据来说,用线性回归来做预测是十分有效的!第一次发帖,记录自己学习的点滴~欢迎您的指教与批评。