使用paddle的线性回归案例

PaddlePaddle，也称为PyTorch的开源版本，是中国的一个深度学习框架，常用于机器学习任务。线性回归是一个基础但重要的模型，它主要用于预测连续值。以下是使用PaddlePaddle实现简单线性回归的一个简要示例：

首先，你需要安装PaddlePaddle库。如果尚未安装，可以使用pip安装：

pip install paddlepaddle

然后，你可以创建一个简单的线性回归模型：

import paddle

# 创建数据
x_data = paddle.to_tensor([[1], [2], [3], [4]])
y_label = paddle.to_tensor([2, 4, 6, 8])

# 定义线性模型，假设我们只有一个权重w和一个偏置b
model = paddle.nn.Linear(1, 1) # 输入维度1，输出维度1

# 初始化权重和偏置
parameters = model.parameters()
w = parameters['weight']
b = parameters['bias']

# 定义损失函数（均方误差）
loss_fn = paddle.nn.MSELoss()

# 前向传播并计算损失
pred = model(x_data)
loss = loss_fn(pred, y_label)

# 反向传播和优化
optimizer = paddle.optimizer.SGD(learning_rate=0.01) # 使用随机梯度下降
loss.backward()
optimizer.step()  # 更新权重

print("Loss:", float(loss.numpy()))

在这个例子中，模型尝试找到一条直线来最小化预测值与真实值之间的差异。每次训练迭代都会调整权重w和偏置b以减小损失。