視訊連結：https://www.bilibili.com/video/BV1Y7411d7Ys?p=7

資料集的下載

通過百度網盤下載至程式碼的資料夾
連結：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw
提取碼：cxe4

多重特徵

這裡的資料是一份8維的關於糖尿病的資料，希望判斷是否得了糖尿病
這裡特徵處理的程式碼如下，（和之前的程式碼大同小異，不做過多敘述）

import numpy as np
import torch
import matplotlib.pyplot as plt
xy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32)   //讀取資料，逗號作為分隔符，然後轉換成32位浮點型
x_data = torch.from_numpy(xy[:, :-1])                                 //行全讀，列最後一列不要
y_data = torch.from_numpy(xy[:, [-1]])

class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 2)
        self.linear4 = torch.nn.Linear(2, 1)                        //四層網路
        self.sigmoid = torch.nn.Sigmoid()

    def forward(self, x):
        x = self.sigmoid(self.linear1(x))
        x = self.sigmoid(self.linear2(x))
        x = self.sigmoid(self.linear3(x))
        x = self.sigmoid(self.linear4(x))
        return x
epoch_list = []                                              
loss_list = []                                                        //用來接收每一次訓練的損失值
model = Model()
criterion = torch.nn.BCELoss(size_average=True)                      
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)

for epoch in range(100):
    y_pred = model(x_data)
    loss = criterion(y_pred, y_data)
    print(epoch, loss.item())
    epoch_list.append(epoch)
    loss_list.append(loss.item())

    optimizer.zero_grad()
    loss.backward()

    optimizer.step()

plt.plot(epoch_list, loss_list)
plt.ylabel('loss')
plt.xlabel('epoch')
plt.show()
 

結果

影象是損失函式隨著訓練次數的變化


其實我還試了一下20w次訓練的
影象有點好玩的