多元线性回归pytorch
时间: 2023-10-29 18:55:58 浏览: 78
进阶线性回归的PyTorch实现 PyTorch框架案例
对于多元线性回归,你可以使用PyTorch来实现。下面是一个简单的示例代码,演示如何使用PyTorch进行多元线性回归:
```python
import torch
import torch.nn as nn
import torch.optim as optim
# 定义多元线性回归模型
class LinearRegression(nn.Module):
def __init__(self, input_size, output_size):
super(LinearRegression, self).__init__()
self.linear = nn.Linear(input_size, output_size)
def forward(self, x):
out = self.linear(x)
return out
# 设置输入和输出数据
input_size = 3
output_size = 1
x_train = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=torch.float32)
y_train = torch.tensor([[3], [6], [9]], dtype=torch.float32)
# 实例化模型、损失函数和优化器
model = LinearRegression(input_size, output_size)
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)
# 训练模型
num_epochs = 1000
for epoch in range(num_epochs):
# 前向传播
outputs = model(x_train)
loss = criterion(outputs, y_train)
# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()
if (epoch+1) % 100 == 0:
print('Epoch [{}/{}], Loss: {:.4f}'.format(epoch+1, num_epochs, loss.item()))
# 测试模型
x_test = torch.tensor([[10, 11, 12]], dtype=torch.float32)
predicted = model(x_test)
print('Predicted value:', predicted.item())
```
在上面的代码中,我们定义了一个名为`LinearRegression`的类,它继承自`nn.Module`。该类包含一个线性层,用于实现多元线性回归模型。然后,我们实例化模型、定义损失函数(均方误差)和优化器(随机梯度下降),并进行训练。最后,我们使用训练好的模型进行预测。
希望这个示例能帮到你!如果还有其他问题,请随时提问。
阅读全文