pytorch的多变量预测

A：PyTorch是一个流行的开源机器学习框架，可以用于多变量预测。多变量预测通常涉及多个输入变量（或特征）和单个输出变量（或目标）。以下是一个基本的多变量预测示例：

import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np

# Prepare data
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
y = np.array([20, 50, 80, 110])

# Convert data to tensors
x = torch.tensor(x, dtype=torch.float32)
y = torch.tensor(y, dtype=torch.float32)

# Define model
class LinearRegression(nn.Module):
    def __init__(self):
        super(LinearRegression, self).__init__()
        self.linear = nn.Linear(3, 1)
        
    def forward(self, x):
        return self.linear(x)
    
model = LinearRegression()

# Define loss function and optimizer
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# Train model
for epoch in range(1000):
    # Forward pass
    y_pred = model(x)
    
    # Compute loss
    loss = criterion(y_pred, y.view(-1, 1))
    
    # Backward pass and optimize
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# Make predictions
test_x = np.array([[13, 14, 15], [16, 17, 18]])
test_x = torch.tensor(test_x, dtype=torch.float32)
print(model(test_x))

在此示例中，我们使用了线性回归模型，以多维数组`x`作为输入变量，以`y`作为输出变量。我们使用均方误差损失函数和随机梯度下降优化器来训练模型。最后，我们对模型进行了测试，对新的输入数据进行了预测。