PyTorch搭建多项式回归模型(三)


Posted in Python onMay 22, 2019

PyTorch基础入门三:PyTorch搭建多项式回归模型 

1)理论简介

对于一般的线性回归模型,由于该函数拟合出来的是一条直线,所以精度欠佳,我们可以考虑多项式回归来拟合更多的模型。所谓多项式回归,其本质也是线性回归。也就是说,我们采取的方法是,提高每个属性的次数来增加维度数。比如,请看下面这样的例子:

如果我们想要拟合方程:

PyTorch搭建多项式回归模型(三)

对于输入变量PyTorch搭建多项式回归模型(三)和输出值PyTorch搭建多项式回归模型(三),我们只需要增加其平方项、三次方项系数即可。所以,我们可以设置如下参数方程:

PyTorch搭建多项式回归模型(三)

可以看到,上述方程与线性回归方程并没有本质区别。所以我们可以采用线性回归的方式来进行多项式的拟合。下面请看代码部分。

2)代码实现

当然最先要做的就是导包了,下面需要说明的只有一个:itertools中的count,这个是用来记数用的,其可以记数到无穷,第一个参数是记数的起始值,第二个参数是步长。其内部实现相当于如下代码:

def count(firstval=0, step=1):
 x = firstval
 while 1:
 yield x
 x += step

下面是导包部分代码,这里定义了一个常量POLY_DEGREE = 3用来指定多项式最高次数。

from itertools import count
import torch
import torch.autograd
import torch.nn.functional as F
 
POLY_DEGREE = 3

然后我们需要将数据处理成矩阵的形式:

PyTorch搭建多项式回归模型(三)

在PyTorch里面使用torch.cat()函数来实现Tensor的拼接:

def make_features(x):
 """Builds features i.e. a matrix with columns [x, x^2, x^3, x^4]."""
 x = x.unsqueeze(1)
 return torch.cat([x ** i for i in range(1, POLY_DEGREE+1)], 1)

对于输入的PyTorch搭建多项式回归模型(三)个数据,我们将其扩展成上面矩阵所示的样子。

然后定义出我们需要拟合的多项式,可以随机抽取一个多项式来作为我们的目标多项式。当然,系数PyTorch搭建多项式回归模型(三)和偏置PyTorch搭建多项式回归模型(三)确定了,多项式也就确定了:

W_target = torch.randn(POLY_DEGREE, 1)
b_target = torch.randn(1)
 
def f(x):
 """Approximated function."""
 return x.mm(W_target) + b_target.item()

这里的权重已经定义好了,x.mm(W_target)表示做矩阵乘法,PyTorch搭建多项式回归模型(三)就是每次输入一个PyTorch搭建多项式回归模型(三)得到一个PyTorch搭建多项式回归模型(三)的真实函数。

在训练的时候我们需要采样一些点,可以随机生成一批数据来得到训练集。下面的函数可以让我们每次取batch_size这么多个数据,然后将其转化为矩阵形式,再把这个值通过函数之后的结果也返回作为真实的输出值:

def get_batch(batch_size=32):
 """Builds a batch i.e. (x, f(x)) pair."""
 random = torch.randn(batch_size)
 x = make_features(random)
 y = f(x)
 return x, y

接下来我们需要定义模型,这里采用一种简写的方式定义模型,torch.nn.Linear()表示定义一个线性模型,这里定义了是输入值和目标参数的行数一致(和POLY_DEGREE一致,本次实验中为3),输出值为1的模型。

# Define model
fc = torch.nn.Linear(W_target.size(0), 1)

下面开始训练模型,训练的过程让其不断优化,直到随机取出的batch_size个点中计算出来的均方误差小于0.001为止。

for batch_idx in count(1):
 # Get data
 batch_x, batch_y = get_batch()
 
 # Reset gradients
 fc.zero_grad()
 
 # Forward pass
 output = F.smooth_l1_loss(fc(batch_x), batch_y)
 loss = output.item()
 
 # Backward pass
 output.backward()
 
 # Apply gradients
 for param in fc.parameters():
 param.data.add_(-0.1 * param.grad.data)
 
 # Stop criterion
 if loss < 1e-3:
 break

这样就已经训练出了我们的多项式回归模型,为了方便观察,定义了如下打印函数来打印出我们拟合的多项式表达式:

def poly_desc(W, b):
 """Creates a string description of a polynomial."""
 result = 'y = '
 for i, w in enumerate(W):
 result += '{:+.2f} x^{} '.format(w, len(W) - i)
 result += '{:+.2f}'.format(b[0])
 return result
 
print('Loss: {:.6f} after {} batches'.format(loss, batch_idx))
print('==> Learned function:\t' + poly_desc(fc.weight.view(-1), fc.bias))
print('==> Actual function:\t' + poly_desc(W_target.view(-1), b_target))

程序运行结果如下图所示:

PyTorch搭建多项式回归模型(三)

可以看出,真实的多项式表达式和我们拟合的多项式十分接近。现实世界中很多问题都不是简单的线性回归,涉及到很多复杂的非线性模型。但是我们可以在其特征量上进行研究,改变或者增加其特征,从而将非线性问题转化为线性问题来解决,这种处理问题的思路是我们从多项式回归的算法中应该汲取到的。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python中enumerate函数代码解析
Oct 31 Python
Python实现的随机森林算法与简单总结
Jan 30 Python
pandas数据处理基础之筛选指定行或者指定列的数据
May 03 Python
利用python在excel里面直接使用sql函数的方法
Feb 08 Python
Python Threading 线程/互斥锁/死锁/GIL锁
Jul 21 Python
关于python3中setup.py小概念解析
Aug 22 Python
python 图像处理画一个正弦函数代码实例
Sep 10 Python
Python实现使用dir获取类的方法列表
Dec 24 Python
Python时间差中seconds和total_seconds的区别详解
Dec 26 Python
Python3标准库之functools管理函数的工具详解
Feb 27 Python
python修改linux中文件(文件夹)的权限属性操作
Mar 05 Python
Python在线和离线安装第三方库的方法
Oct 31 Python
pytorch使用Variable实现线性回归
May 21 #Python
Python面向对象进阶学习
May 21 #Python
谈一谈基于python的面向对象编程基础
May 21 #Python
python字符串和常用数据结构知识总结
May 21 #Python
Opencv实现抠图背景图替换功能
May 21 #Python
python多进程读图提取特征存npy
May 21 #Python
Python中使用pypdf2合并、分割、加密pdf文件的代码详解
May 21 #Python
You might like
php 静态页面中显示动态内容
2009/08/14 PHP
PHP中nowdoc和heredoc使用需要注意的一点
2014/03/21 PHP
php中有关字符串的4个函数substr、strrchr、strstr、ereg介绍和使用例子
2014/04/24 PHP
mysqli扩展无法在PHP7下升级问题的解决
2019/09/10 PHP
Laravel 模型关联基础教程详解
2019/09/17 PHP
Json和Jsonp理论实例代码详解
2013/11/15 Javascript
jQuery中odd选择器的定义和用法
2014/12/23 Javascript
第三篇Bootstrap网格基础
2016/06/21 Javascript
WebView启动支付宝客户端支付失败的问题小结
2017/01/11 Javascript
$.browser.msie 为空或不是对象问题的多种解决方法
2017/03/19 Javascript
AngularJS使用Filter自定义过滤器控制ng-repeat去除重复功能示例
2018/04/21 Javascript
React.js绑定this的5种方法(小结)
2018/06/05 Javascript
微信小程序按钮去除边框线分享页面功能
2018/08/27 Javascript
解决vue-router在同一个路由下切换,取不到变化的路由参数问题
2018/09/01 Javascript
实例讲解JavaScript预编译流程
2019/01/24 Javascript
小程序实现按下录音松开识别语音
2019/11/22 Javascript
Python3中的列表,元组,字典,字符串相关知识小结
2017/11/10 Python
解决python3爬虫无法显示中文的问题
2018/04/12 Python
Python之列表的插入&amp;替换修改方法
2018/06/28 Python
python代码过长的换行方法
2018/07/19 Python
使用Python 统计高频字数的方法
2019/01/31 Python
Apache,wsgi,django 程序部署配置方法详解
2019/07/01 Python
python获取txt文件词向量过程详解
2019/07/05 Python
python中的 zip函数详解及用法举例
2020/02/16 Python
深入解读CSS3中transform变换模型的渲染
2016/05/27 HTML / CSS
关于前端上传文件全面基础扫盲贴(入门)
2019/08/01 HTML / CSS
清洁工岗位职责
2014/01/29 职场文书
副总经理岗位职责
2014/03/16 职场文书
幼儿园小班评语大全
2014/04/17 职场文书
学校督导评估方案
2014/06/10 职场文书
交通事故协议书范本
2014/11/18 职场文书
初中生300字旷课检讨书
2014/11/19 职场文书
2014年创卫工作总结
2014/11/24 职场文书
教师评职称工作总结2015
2015/04/20 职场文书
初婚未育证明样本
2015/06/18 职场文书
七年级作文之《我和我的祖国》观后感作文
2019/10/18 职场文书