使用paddle库实现线性回归代代码

在PaddlePaddle（简称Paddle）库中，实现线性回归是一个简单的任务。线性回归是一种基本的预测模型，它假设因变量与自变量之间存在线性关系。下面是一个基础的Python代码示例，演示了如何使用PaddlePaddle库构建并训练一个简单的线性回归模型：

# 首先需要安装PaddlePaddle库
# 如果还没有安装，可以使用pip install paddlepaddle

import paddle

# 定义数据
features = paddle.to_tensor([[1], [2], [3], [4], [5]])
labels = paddle.to_tensor([1, 2, 3, 4, 5])

# 定义线性模型
class LinearRegression(paddle.nn.Layer):
    def __init__(self):
        super(LinearRegression, self).__init__()
        self.linear = paddle.nn.Linear(in_features=1, out_features=1)

    def forward(self, x):
        return self.linear(x)

model = LinearRegression()

# 损失函数和优化器
loss_fn = paddle.nn.MSELoss()
optimizer = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters())

# 训练循环
for epoch in range(100):  # 设置几个epoch作为简单示例
    y_pred = model(features)
    loss = loss_fn(y_pred, labels)
    
    # 反向传播和更新权重
    loss.backward()
    optimizer.step()
    optimizer.clear_grad()
    
    print(f"Epoch {epoch+1}, Loss: {loss.numpy()[0]}")