线性回归¶

PaddlePaddle官方文档用波士顿房价数据集给出了线性回归的使用教程，由于使用的是内置的数据集以及本身模型的可解释性并不直观，因此本文使用自定义数据集和模型重现了线性回归的建模和预测过程，从而在如下方面进行较为清晰的展示：

数据集的构造
- 如何构造训练数据集
- 如何构造测试数据集
模型的构造
- 本文使用最简单的一元线性回归模型y=3x+1，只要简单修改代码，也可以将其扩展为多元线性归回模型
- 训练数据集和测试数据集都基于该方程构建

背景介绍

本文使用的PaddlePaddle环境为官方提供的paddlepaddle/book镜像，PaddlePaddle版本为0.11.0，详细信息如下所示：

root@d89b8ceaeb86:/book# paddle version
PaddlePaddle 0.11.0, compiled withwith_avx: ONwith_gpu: OFFwith_mkl: ONwith_mkldnn: ONwith_double: OFFwith_python: ONwith_rdma: OFF

代码样例

# 加载所需包
import paddle.v2 as paddle
import numpy as np

#按照y=3x+1生成训练数据
def train_reader():data = np.array([[1, 4], [2, 7], [3, 10], [4, 13], [5, 16], [6, 19], [7, 22]])def reader():for d in data:yield d[:-1], d[-1:]return reader

#按照y=3x+1生成测试数据
def test_reader():data = ([[0.5, 2.5], [1.5, 5.5], [-2, -5], [0, 1]])def reader():for d in data:yield d[:-1], d[-1:]return reader# 从数据数据集reader中提取测试数据和Label
test_data = []
test_label = []
test_data_creator = test_reader()
for item in test_data_creator():test_data.append((item[0], ))test_label.append(item[1])

#初始化Paddle
paddle.init(use_gpu=False)#配置训练网络
x = paddle.layer.data(name='x', type=paddle.data_type.dense_vector(1))
y_predict = paddle.layer.fc(input=x, size=1, act=paddle.activation.Linear())
y = paddle.layer.data(name='y', type= paddle.data_type.dense_vector(1))
cost = paddle.layer.square_error_cost(input=y_predict, label=y)

# 保存网络拓扑，本段代码不是必须执行的
inference_topology = paddle.topology.Topology(layers=y_predict)
with open ("lessontwo_topology.pkl", 'wb') as f:inference_topology.serialize_for_inference(f)

#创建参数
parameters = paddle.parameters.create(cost)

#创建Trainer
optimizer = paddle.optimizer.Momentum(momentum=0)trainer = paddle.trainer.SGD(cost= cost,parameters=parameters,update_equation=optimizer)

feeding = {'x': 0, 'y': 1}

# 定义event handler，打印训练进度
def event_handler(event):if isinstance(event, paddle.event.EndIteration):if event.batch_id % 1 == 0:print "Pass %d, Batch %d, Cost %f" % (event.pass_id, event.batch_id, event.cost)

# 定义event handler_plot，以图形的形式打印训练进度
from paddle.v2.plot import Plotertrain_title = "Train cost"
test_title = "Test cost"
cost_ploter = Ploter(train_title, test_title)step = 0def event_handler_plot(event):global stepif isinstance(event, paddle.event.EndIteration):if step % 1 == 0:  # every 1 batches, record a train costcost_ploter.append(train_title, step, event.cost)if step % 1 == 0: # every 1 batches, record a test costresult = trainer.test(reader=paddle.batch(test_reader(), batch_size=3),feeding=feeding)cost_ploter.append(test_title, step, result.cost)if step % 1 == 0: # every 1 batches, update cost plotcost_ploter.plot()step += 1if isinstance(event, paddle.event.EndPass):if event.pass_id % 10 == 0:with open('params_pass_%d.tar' % event.pass_id, 'w') as f:trainer.save_parameter_to_tar(f)

# 开始训练
trainer.train(paddle.batch(paddle.reader.shuffle(train_reader(),buf_size=3),batch_size=2),feeding=feeding,event_handler=event_handler_plot,num_passes=10)

# 进行预测
probs = paddle.infer(output_layer=y_predict, parameters=parameters, input=test_data)
for i in xrange(len(probs)):print "label=" + str(test_label[i][0]) + ", predict=" + str(probs[i][0])

PaddlePaddle线性回归示例相关推荐

python线性回归实例_python线性回归示例
版权声明:本文为博主原创文章,未经博主允许不得转载.https://blog.csdn.net/haluoluo211/article/details/78761466 下面给出sklearn 库线性 ...
Excel一元线性回归示例与演算步骤详解含源码及注释
Excel一元线性回归示例 1 声明本文的数据来自网络,部分代码也有所参照,这里做了注释和延伸,旨在技术交流,如有冒犯之处请联系博主及时处理. 2 一元线性回归简介回归分析只涉及到两个变量(Y因变 ...
python线性回归实例_python 线性回归示例
说明:此文的第一部分参考了这里用python进行线性回归分析非常方便,有现成的库可以使用比如:numpy.linalog.lstsq例子.scipy.stats.linregress例子.panda ...
深度学习实现案例(Tensorflow、PaddlePaddle)
深度学习实验案例文章目录深度学习实验案例一.基础理论实验一:自定义感知机实验二:验证图像卷积运算效果二.Tensorflow 实验一:查看Tensorflow版本实验二:Hellowor ...
曲线线性回归_机器学习笔记线性回归
一.线性回归找到最佳拟合直线 1. 定义线性回归是通过现有数据,让训练模型生成一个拟合公式,从而计算目标数据的预测值. 在统计学中,线性回归(Linear Regression)是利用称为" ...
线性回归数据_数据科学笔记（三）——线性回归
1. 机器学习眼中的线性回归左图是原始建模数据,目的是用来寻找玩偶数量和成本的某种关系.右图将数据可视化得到散点图. 第一步进行场景确定第二步定义损失函数建模的目的:模型预测值与真实值之间的 ...
通过简单的线性回归理解机器学习的基本原理
在本文中,我将使用一个简单的线性回归模型来解释一些机器学习(ML)的基本原理.线性回归虽然不是机器学习中最强大的模型,但由于容易熟悉并且可解释性好,所以仍然被广泛使用.简单地说,线性回归用于估计连续或 ...
线性回归csv数据集_数据科学的基石：统计学、机器学习、计算机科学（三）——线性回归...
数据科学家们常说,所有的模型都是错的,但是,其中一些是有用的.如果一个"有用"的模型能够过滤掉数据中哪些不重要的细枝末节,抓住其主要的内在关系,从而帮助我们更好地理解数据.很多情况 ...
Python 线性回归
Python 线性回归 1 声明本文的数据来自网络,部分代码也有所参照,这里做了注释和延伸,旨在技术交流,如有冒犯之处请联系博主及时处理. 2 线性回归简介相关概念见下: 如果想通过一个模型找到目 ...

PaddlePaddle线性回归示例

线性回归¶

背景介绍

代码样例

PaddlePaddle线性回归示例相关推荐

最新文章

热门文章