技術標籤：程式碼Python深度學習python

在看劉二大人的Pytorch教程，寫個筆記記錄一下，如果有什麼問題歡迎一起探討呀

傳送門：劉二大人的Pytorch深度學習實踐

線性模型

首先是線性模型的定義：給定由d個屬性描述對的示例x = (x_{1};x_{2};…;x_{d})，其中{x_{i}}是第i個屬性上的取值，線性模型試圖學得一個通過屬性的線性組合來進行預測的函式，即

轉換成向量形式即為：

線性迴歸

基於以上線性模型的定義，引出線性迴歸問題，即線性迴歸的目的是試圖學得

利用均方誤差進行度量，使MSE最小化，用公式表示即為：

詳細瞭解繼續戳：線性模型（我只是無情的搬運工~）

接著上視訊程式碼：

import numpy as np				#用於python繪圖的包	
import matplotlib.pyplot as plt

x_data=[1.0,2.0,3.0]	#輸入樣本
y_data=[2.0,4.0,6.0]	#輸出樣本

def forward(x):
	return x*w

def loss(x,y):
	y_pred=forward(x)
	return (y_pred-)*(y_pred-y)

w_list=[]	#權重列表
mse_list=[]	#損失列表

for w in np.arange(0.0, 4.1, 0.1):	#在[0.0,4.1]之間以0.1為間隔生成序列
 

	print('w=',w)
	l_usm=0
	for x_val, y_val in zip(x_data, y_data):
		y_pred_val=forward(x_val)
		loss_val=loss(x_val,y_val)
		l_sum+=loss_val
		print('\t',x_val,y_val,y_pred_val,loss_val)
	print('MSE=',l_sum/3)
	w_list.append(w)
	mse_list.append(l_sum/3)

#繪圖
plt.plot(w_list,mse_list)
plt.ylabel('loss'
 
)
plt.xlabel('w')
plt.show()

文末附上其他同學寫好的作業：小作業