Regression 关系拟合（回归）

最新推荐文章于 2023-12-19 13:56:20 发布

Gloria_song

最新推荐文章于 2023-12-19 13:56:20 发布

阅读量891

点赞数

分类专栏：神经网络——小白

本文链接：https://blog.csdn.net/xs_211314/article/details/82413767

版权

博客探讨神经网络中回归的应用，介绍了回归是预测连续值的过程，并通过一个小demo展示回归的实现。鼓励读者坚持学习，提供QQ联系方式以供交流。

摘要由CSDN通过智能技术生成

神经网络主要分为分类、回归两大类

分类：输出是离散的值，比如说二分类问题，判断神经网络输入的是不是猫咪，结果就是0或是1，是还是不是。
回归：输出的连续的值，比如说对于放假的预测（房子好贵呀~），根据不同的地域，平米数，预测出不同的值

小demo：回归实现

# 导入一些相应的包
#解决python2 和 python 3之间一些输出格式的不同，一律使用python 3
from __future__ import print_function 
import torch
from torch.autograd import Variable
#一些相应的激励函数
import torch.nn.functional as F
#用来画图
import matplotlib.pyplot as plt

#fake data
#创建数据集
#unsqueeze 的作用是给数据加上维度，因为linspace产生的数据是一维的
#然而神经网络之中需要二维的，所以使用unsqueese增加维度。[]-->[[]]
x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)
#为了使得数据更加真实，使用rand随机函数增加噪点
y=x.pow(2)+0.2*torch.rand(x.size())
#千万注意数据创建完后要放入Variable中才能进行反向传播
x=Variable(x)
y=Variable(y)

#搭建神经网络
#神经网络的两个基本模块，基本是固定的套路
#使