pytoch实现kaggle线性回归房价预测

好的，以下是一个使用 PyTorch 实现 Kaggle 房价预测比赛中的线性回归模型的示例代码：

import pandas as pd
import torch
import torch.nn as nn
from sklearn.model_selection import train_test_split

# 加载数据集
train_df = pd.read_csv('train.csv')
test_df = pd.read_csv('test.csv')

# 数据预处理
train_df.fillna(0, inplace=True)
test_df.fillna(0, inplace=True)

X = train_df.drop(['Id', 'SalePrice'], axis=1).values
y = train_df['SalePrice'].values

# 划分训练集和验证集
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)

# 转换为 PyTorch 张量
X_train = torch.tensor(X_train, dtype=torch.float32)
X_val = torch.tensor(X_val, dtype=torch.float32)
y_train = torch.tensor(y_train.reshape(-1, 1), dtype=torch.float32)
y_val = torch.tensor(y_val.reshape(-1, 1), dtype=torch.float32)

# 定义模型
class LinearRegression(nn.Module):
    def __init__(self, input_dim, output_dim):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(input_dim, output_dim)
    
    def forward(self, x):
        out = self.linear(x)
        return out

model = LinearRegression(X_train.shape[1], 1)

# 定义优化器和损失函数
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 训练模型
num_epochs = 1000
for epoch in range(num_epochs):
    # 前向传播和计算损失
    outputs = model(X_train)
    loss = criterion(outputs, y_train)
    
    # 反向传播和优化
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    
    # 每 100 次迭代输出一次损失
    if (epoch+1) % 100 == 0:
        print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))

# 在验证集上测试模型
with torch.no_grad():
    predicted = model(X_val)
    mse = criterion(predicted, y_val)
    print('Mean Squared Error on Validation Set: {:.4f}'.format(mse.item()))

# 在测试集上生成预测结果
X_test = test_df.drop(['Id'], axis=1).values
X_test = torch.tensor(X_test, dtype=torch.float32)
with torch.no_grad():
    predicted = model(X_test)
predicted = predicted.numpy().reshape(-1)

# 生成提交文件
submission_df = pd.DataFrame({'Id': test_df['Id'], 'SalePrice': predicted})
submission_df.to_csv('submission.csv', index=False)

这个代码使用 PyTorch 的 nn 模块定义了一个简单的线性回归模型，然后使用 SGD 优化器和 MSE 损失函数训练模型，并在验证集上评估模型性能。最后，使用训练好的模型在测试集上生成预测结果，然后将结果保存到 CSV 文件中用于提交比赛。