2021作业1

​
根据美国一项COVID-19的调查40个州，4种COVID可能的症状，8个日常的行为，5个心里方面的状况，和是否呈阳性。现在有连续三天的调查资料作为训练资料，测试资料为根据前两天的资料预测第三天的阳性情况。

训练资料如图：

测试资料：缺第三天的阳性情况，需要进行预测

1.构建神经网络

# 导入torch神经网络工具包
import torch
import torch.nn as nn
# 构建一个简单神经网络
# torch.nn.Sequential是一个Sequential容器，模块将按照构造函数中传递的顺序添加到模块中。
def myModel(input_dim):
  model=nn.Sequential(
    nn.Linear(input_features=input_dim,output_features=64),
    nn.Relu(),
    nn.Linear(input_features=64,out_features=1)
  )

这样就构建了一个三层的神经网络，其中的64是依据经验设定，第一层为线性层，根据模型的输入特征值，输出64个特征值，第二层为普通的激活函数层，第三层为线性层，输入64个特征值，输出为1，这里指输出为第三天的阳性情况，因此必须是1个特征。

2神经网络的输入

pytorch数据读取的核心是torch.utils.data.DataLoader类。即如果使用pytorch构建神经网络时，那么DNN中传入的数据类型就是DataLoader类。

from torch.utils.data import Dataloader
import torch.utils.data as data
def pre_Dataloader():
  dataloader=Dataloader(
        dataset=dataset, batch_size=batch_size,
        shuffle=(mode == 'train'), drop_last=False,
        num_workers=0, pin_memory=True)
# 这里直接输入表格内的数据是有问题的因此，需要先构建一个数据预处理方法使其能够满足于dataloader的数据输入,因此需要继承dataset作为父类，才能输入到dataloader中
# 在训练集和测试集的数据略有不同，因此加一个mode，使下面方法同时都适用
# 字典型数据集是指实现了__getitem__()和__len__()协议，表示从索引到数据样本的映射。
# 需要初始化三个协议
class COVID19Dataset(data.Dataset):
  def __int__