用pytorch实现岭回归损失函数

岭回归是一种常用的线性回归正则化方法，其损失函数可以表示为：

$J(\theta) = \frac{1}{2m} [\sum_{i=1}^m(h_\theta(x^{(i)}) - y^{(i)})^2 + \lambda\sum_{j=1}^n \theta_j^2]$

其中，$h_\theta(x^{(i)})$是模型预测的值，$y^{(i)}$是实际的值，$\theta_j$是模型参数，$n$是参数的数量，$\lambda$是正则化的系数。

下面是使用PyTorch实现岭回归损失函数的代码：

import torch

def ridge_loss(y_pred, y_true, weights, lambda_):
    mse_loss = torch.nn.functional.mse_loss(y_pred, y_true, reduction='mean')
    l2_loss = lambda_ * torch.norm(weights, p=2)
    return mse_loss + l2_loss

其中，`y_pred`是模型的预测值，`y_true`是实际的值，`weights`是模型的参数，`lambda_`是正则化的系数。`mse_loss`是均方误差损失，`l2_loss`是L2正则化损失，两个损失相加即为岭回归损失函数。