【專案實戰】多維度特徵處理
阿新 • • 發佈:2022-04-13
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