当前位置:首页 > 运营 > 正文

线性回归模型求解(深度学习模型速成三分钟解决经典线性回归模型附完整代码)

每天给小编五分钟,小编用自己的代码,带你轻松学习人工智能!本文将会带你做完一个深度学习进阶项目,让你熟练掌握线性回归这一深度学习经典模型,然后在此基础上,小编将在下篇文章带你通过此模型实现对股票涨幅的预测。野蛮智能,小白也能看懂的人工智能。

线性回归模型求解(深度学习模型速成三分钟解决经典线性回归模型附完整代码)  第1张线性回归

干货快递点:

线性回归是什么?假如给定数据集{[x1,y1],[x2,y2][x3,y3]……},线性回归希望用一个近似函数来描述这组数据,这个数据集里y的影响因素只有一个就是x,那描述的结果应该就是y = wx b这样一条直线。这时就把这个解题模型叫做一维线性回归。以此类推,当我们给定一组数据集{[x11,x12,x13,x14,y1],[x21,x22,x23,x24,y2],[x31,x32,x33,x34,y3]……},可以看到这组数据有4个自变量,一个因变量,就可以把它称为多维线性回归,对应产生的直线也是更高维度的,所以总结一下:线性回归目的是创造一条线,使这条线尽可能多的经过我们的数据点,从而显现出数据的一般规律,进而预测出更多的规律。线性回归的优势:也许你看完上边的解释,你会觉得线性回归技术含量太低,但是,越简单越实用,这确实人工智能领域经久不衰的数学模型之一,面对比较复杂的现实问题,我们只要用更高的维度来描述,就可以把这组数据的规律描述清楚。而且这个模型的可解释性好,所有的参数和对应的权重,我们都可以清晰地看到对应的含义。所以当前很多应用问题,我们都是用的这个模型的基础上变化出很多版本来使用。都获得了很好的效果。线性回归的应用:既然线性回归创造的这条线拟合了过去的数据,那么数据的规律就蕴藏在这条线中,可以用它来实现未来的预测,所以在下篇文章中,小编将带着大家做一个真正的,股票市场的涨幅预测模型。另一个应用是描述权重,通过线性回归,可以得到不同属性对最后结果的影响大小。进而帮助为我们选择其他数学模型提供信息支持。

代码配送站:

如果你还没有搭建好自己的深度学习模型。参考小编的文科生也能看懂的深度学习入门宝典:pytorch tensorflow快速上手,快速搭建你的深度学习环境。下面进入实战。

以下是小编的代码,为了帮助大家多多练习,特意印成了图片格式。

线性回归模型求解(深度学习模型速成三分钟解决经典线性回归模型附完整代码)  第2张

在这段代码中,首先是导入必要的包,其中第一二行的matplotlib.pyplot和numpy是用来画图的,torch.nn是神经网络模组,用来进行神经网络的相关处理。Variable是将张量转换为变量的函数。

然后构建数据想x_train和y_train,一共12组,即为12个点。然后用matplotlib工具的scatter和show将这12个点画出来。运行结果如下图所示:

线性回归模型求解(深度学习模型速成三分钟解决经典线性回归模型附完整代码)  第3张

整体效果,还不错,那么自己也去敲一遍代码吧。出现问题,可以在评论区留言,小编看到就会回的。野蛮智能,小白也能看懂的人工智能,欢迎大家跟小编一起来学习。

取消
扫码支持 支付码