李宏毅_机器学习_作业1:COVID-19 Cases Prediction (Regression)

本文旨在,读懂hw1代码。李宏毅老师作业的完成有一个默认前提,掌握python基础语法,pytorch,numpy,pandas的使用。但并不是说必须将这些系统的学一遍才能完成作业,遇到不会的可直接baidu,我也是花了3天时间才读懂代码中各种函数,方法。作业使用jupyter notebook运行,pycharm亦可。

Download data

#gdown是一个Python的工具包,可下载Google drive的文件
#此处可以不通过gdown下载数据集,网上有线程的数据集,放到.ipynb同一个文件夹即可
!gdown --id '1kLSW_-cW2Huj7bh84YTdimGBOJaODiOS' --output covid.train.csv
!gdown --id '1iiI5qROrAhZn-o4FPqsE97bMzDEFvIdg' --output covid.test.csv

Import packages

# Numerical Operations
import math
import numpy as np# Reading/Writing Data
import pandas as pd #pandas这里用来读文件
import os #os是python的标准库,对文件和文件夹进行操作
import csv# For Progress Bar
from tqdm import tqdm #tqdm库用于生成训练时的进度条展示(需要pip)# Pytorch
import torch
import torch.nn as nn #torch.nn是pytorch中自带的一个函数库,里面包含了神经网络中使用的一些常用函数#建议学一下Dataset和DataLoader的使用#Dataset:提供一种方式去获取数据及label,数据集在什么位置#DataLoader:为之后的网络提供不同的数据形式#random_split:无重复的随机划分数据集
from torch.utils.data import Dataset, DataLoader, random_split# For plotting learning curve
#建议学一下tensorboard的使用,用于画loss曲线(需要pip)
from torch.utils.tensorboard import SummaryWriter

Some Utility Functions

def same_seed(seed): '''Fixes random number generator seeds for reproducibility.'''torch.backends.cudnn.deterministic = True #每次返回的卷积算法将是确定的torch.backends.cudnn.benchmark = Falsenp.random.seed(seed)torch.manual_seed(seed)if torch.cuda.is_available(): #为GPU设置种子torch.cuda.manual_seed_all(seed)#该方法在接下来DataLoader部分有调用,用于划分训练集和验证集
def train_valid_split(data_set, valid_ratio, seed):'''Split provided training data into training set and validation set'''#在DataLoader中调用时,valid_ratio是存储在字典中的值0.2valid_set_size = int(valid_ratio * len(data_set))  #验证集的长度train_set_size = len(data_set) - valid_set_size #训练集长度=data长度-验证集长度#random_split无重复的随机划分数据集,第二个参数中传入的是需要划分成的两个数据集sizetrain_set, valid_set = random_split(data_set, [train_set_size, valid_set_size], generator=torch.Generator().manual_seed(seed))#返回numpy数组形式return np.array(train_set), np.array(valid_set)def predict(test_loader, model, device):model.eval() # Set your model to evaluation mode.preds = []for x in tqdm(test_loader):x = x.to(device)                        with torch.no_grad():                   pred = model(x)                     preds.append(pred.detach().cpu())   preds = torch.cat(preds, dim=0).numpy()  return preds

Dataset

这里涉及到python继承和构造函数__init__()的使用,建议先学习。
建议学习Dataset的使用

class COVID19Dataset(Dataset):'''x: Features.y: Targets, if none, do prediction.'''#构造函数def __init__(self, x, y=None): #y为缺省参数,如果不传参y则默认为noneif y is None:self.y = yelse:self.y = torch.FloatTensor(y)self.x = torch.FloatTensor(x)#获取具体的某一条数据def __getitem__(self, idx):if self.y is None:return self.x[idx]else:return self.x[idx], self.y[idx]#数据集长度def __len__(self):return len(self.x)

Neural Network Model

通过继承自nn.Module类来实现自定义模型
这里网络模型有4层:input(size=input_dim)->hidden(size=16)relu->hidden(size=8)relu->output

class My_Model(nn.Module):def __init__(self, input_dim):super(My_Model, self).__init__() #super()中的参数精准的指明了继承哪一个父类的方法# TODO: modify model's structure, be aware of dimensions. #nn是pytorch中自带的一个函数库,里面包含了神经网络中使用的一些常用函数self.layers = nn.Sequential(nn.Linear(input_dim, 16),#设置网络中的全连接层nn.ReLU(),nn.Linear(16, 8),nn.ReLU(),nn.Linear(8, 1))#定义前向传播def forward(self, x):x = self.layers(x)x = x.squeeze(1) # (B, 1) -> (B)return x

Feature Selection

选择训练时需要使用的特征
Choose features you deem useful by modifying the function below.

def select_feat(train_data, valid_data, test_data, select_all=True): #valid_data验证集用于防止过拟合'''Selects useful features to perform regression'''#[:,-1]冒号表示第一个维度选择全部,即全部行,-1:表示倒数第一个元素,即labely_train, y_valid = train_data[:,-1], valid_data[:,-1] #这里是数组的切片方式,建议学#[:,:-1]第一个冒号表示第一个维度选择全部,即全部行,:-1表示在第二个维度上从开始至最后一个元素(不包含最后一个元素)即选择了除最后一列的所有特征raw_x_train, raw_x_valid, raw_x_test = train_data[:,:-1], valid_data[:,:-1], test_dataif select_all:#选择所有特征feat_idx = list(range(raw_x_train.shape[1])) #raw_x_train形状2160*95 raw_x_train.shape[1]表示第二个维度元素的个数95else:#自定义特征feat_idx = [0,1,2,3,4] # TODO: Select suitable feature columns.return raw_x_train[:,feat_idx], raw_x_valid[:,feat_idx], raw_x_test[:,feat_idx], y_train, y_valid

Training Loop

训练的过程

def trainer(train_loader, valid_loader, model, config, device):criterion = nn.MSELoss(reduction='mean') # Define your loss function, do not modify this.# Define your optimization algorithm. # TODO: Please check https://pytorch.org/docs/stable/optim.html to get more available algorithms.# TODO: L2 regularization (optimizer(weight decay...) or implement by your self).#优化算法SGDoptimizer = torch.optim.SGD(model.parameters(), lr=config['learning_rate'], momentum=0.9)      #带动量的随机梯度下降Momentum-SGDwriter = SummaryWriter() # Writer of tensoboard.if not os.path.isdir('./models'): #判断models文件夹是否存在os.mkdir('./models') # Create directory of saving models.n_epochs, best_loss, step, early_stop_count = config['n_epochs'], math.inf, 0, 0for epoch in range(n_epochs): #3000轮#开启训练模式batchNorm层,dropout层等用于优化训练而添加的网络层开启model.train() # Set your model to train mode.#记录loss函数值loss_record = []# tqdm is a package to visualize your training progress.train_pbar = tqdm(train_loader, position=0, leave=True) #tqdm用在dataloader上其实是对每个batch和batch总数做的进度条for x, y in train_pbar:optimizer.zero_grad()               # Set gradient to zero.# x.to(device)将所有最开始读取数据时的tensor变量copy一份到device所指定的GPU上去,#之后的运算都在GPU上进行。x, y = x.to(device), y.to(device)   # Move your data to device. pred = model(x)  #prediction 前向传播 与model.forward(x)含义相同   loss = criterion(pred, y)   #loss functionloss.backward()                     # Compute gradient(backpropagation)计算梯度optimizer.step()                    # Update parameters.step += 1loss_record.append(loss.detach().item())# Display current epoch number and loss on tqdm progress bar.train_pbar.set_description(f'Epoch [{epoch+1}/{n_epochs}]')train_pbar.set_postfix({'loss': loss.detach().item()})mean_train_loss = sum(loss_record)/len(loss_record) #平均losswriter.add_scalar('Loss/train', mean_train_loss, step) #tensoboard画出loss曲线model.eval() # Set your model to evaluation mode.在评估模式下,batchNorm层,dropout层等用于优化训练而添加的网络层会被关闭#从狭义来讲,验证集没有参与梯度下降的过程,也就是说是没有经过训练的;#但从广义上来看,验证集却参与了一个“人工调参”的过程,我们根据验证集的结果调节了迭代数、调节了学习率等等,使得结果在验证集上最优loss_record = []for x, y in valid_loader:x, y = x.to(device), y.to(device)with torch.no_grad():pred = model(x)loss = criterion(pred, y)#少了计算梯度,更新参数的过程loss_record.append(loss.item())mean_valid_loss = sum(loss_record)/len(loss_record)print(f'Epoch [{epoch+1}/{n_epochs}]: Train loss: {mean_train_loss:.4f}, Valid loss: {mean_valid_loss:.4f}')writer.add_scalar('Loss/valid', mean_valid_loss, step)if mean_valid_loss < best_loss: #验证集上的loss小于best_lossbest_loss = mean_valid_loss #更新best_loss,保存模型torch.save(model.state_dict(), config['save_path']) # Save your best modelprint('Saving model with loss {:.3f}...'.format(best_loss))early_stop_count = 0else:         #验证集上的loss并没有更好early_stop_count += 1#验证集上的loss超过400轮没有小于best_lossif early_stop_count >= config['early_stop']:print('\nModel is not improving, so we halt the training session.')return

Configurations

各种参数

device = 'cuda' if torch.cuda.is_available() else 'cpu'
config = {  #字典设置参数'seed': 5201314,      # Your seed number, you can pick your lucky number. :)'select_all': True,   # Whether to use all features.'valid_ratio': 0.2,   # validation_size = train_size * valid_ratio'n_epochs': 3000,     # Number of epochs.            'batch_size': 256, 'learning_rate': 1e-5,              'early_stop': 400,    # If model has not improved for this many consecutive epochs, stop training.     'save_path': './models/model.ckpt'  # Your model will be saved here.
}

Dataloader

# Set seed for reproducibility
same_seed(config['seed'])# train_data size: 2699 x 118 (id + 37 states + 16 features x 5 days)
# test_data size: 1078 x 117 (without last day's positive rate)
train_data, test_data = pd.read_csv('./covid.train.csv').values, pd.read_csv('./covid.test.csv').values
#train_valid_split是上面定义的函数,无覆盖的随机划分数据集
train_data, valid_data = train_valid_split(train_data, config['valid_ratio'], config['seed'])# Print out the data size.
print(f"""train_data size: {train_data.shape}
valid_data size: {valid_data.shape}
test_data size: {test_data.shape}""")# Select features
x_train, x_valid, x_test, y_train, y_valid = select_feat(train_data, valid_data, test_data, config['select_all'])# Print out the number of features.
print(f'number of features: {x_train.shape[1]}')#生成dataset实例
train_dataset, valid_dataset, test_dataset = COVID19Dataset(x_train, y_train), \COVID19Dataset(x_valid, y_valid), \COVID19Dataset(x_test)# Pytorch data loader loads pytorch dataset into batches.256
train_loader = DataLoader(train_dataset, batch_size=config['batch_size'], shuffle=True, pin_memory=True)
#pin_memory默认false,打开后更快
valid_loader = DataLoader(valid_dataset, batch_size=config['batch_size'], shuffle=True, pin_memory=True)
test_loader = DataLoader(test_dataset, batch_size=config['batch_size'], shuffle=False, pin_memory=True)

Start training!

model = My_Model(input_dim=x_train.shape[1]).to(device) # put your model and data on the same computation device.
trainer(train_loader, valid_loader, model, config, device)

Plot learning curves with tensorboard (optional)

可视化训练过程
If this block does not display your learning curve, please wait for few minutes, and re-run this block. It might take some time to load your logging information.
未加载出曲线,等几分钟重新运行

%reload_ext tensorboard
%tensorboard --logdir=./runs/

Testing

测试结果保存在pred.csv中

def save_pred(preds, file):''' Save predictions to specified file '''with open(file, 'w') as fp:writer = csv.writer(fp)writer.writerow(['id', 'tested_positive'])for i, p in enumerate(preds):writer.writerow([i, p])model = My_Model(input_dim=x_train.shape[1]).to(device)
model.load_state_dict(torch.load(config['save_path']))
preds = predict(test_loader, model, device)
save_pred(preds, 'pred.csv')

李宏毅_机器学习_作业1(详解)_COVID-19 Cases Prediction (Regression)相关推荐

  1. 【李宏毅《机器学习》2022】作业1:COVID 19 Cases Prediction (Regression)

    文章目录 [李宏毅<机器学习>2022]作业1:COVID 19 Cases Prediction (Regression) 作业内容 1.目标 2.任务描述 3.数据 4.评价指标 代码 ...

  2. python回归算法_机器学习算法之回归详解

    导语 回归:从一组数据出发,确定某些变量之间的定量关系式:即建立数学模型并估计未知参数. 回归的目的是预测数值型的目标值,它的目标是接受连续数据,寻找最适合数据的方程,并能够对特定值进行预测.这个方程 ...

  3. 数学建模_随机森林分类模型详解Python代码

    数学建模_随机森林分类模型详解Python代码 随机森林需要调整的参数有: (1) 决策树的个数 (2) 特征属性的个数 (3) 递归次数(即决策树的深度)''' from numpy import ...

  4. Python中下划线 _ 的最全用法详解

    Python中下划线 _ 的最全用法详解 '_'是什么? _在python中可以作为一个标识符,用于定义变量和方法唯一名称.同时它也是Python中的一个软关键字,指在某些特定上下文中保留的关键字.截 ...

  5. R语言机器学习之caret包详解(一)

    R语言机器学习caret包trainControl函数详解 R语言机器学习之caret包详解(一) 简介 数据预处理 各种数据变换 近零方差变量 创建虚拟变量 重抽样技术 k折交叉验证 留一交叉验证 ...

  6. 【机器学习基本理论】详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解

    [机器学习基本理论]详解最大似然估计(MLE).最大后验概率估计(MAP),以及贝叶斯公式的理解 https://mp.weixin.qq.com/s/6H0gmMWvTExySMraroLVlQ 最 ...

  7. 【机器学习基本理论】详解最大后验概率估计(MAP)的理解

    [机器学习基本理论]详解最大后验概率估计(MAP)的理解 https://mp.weixin.qq.com/s/dQxN46wEbFrpvV369uOHdA 最大似然估计(Maximum likeli ...

  8. 基于spark mllib_Spark高级分析指南 | 机器学习和分析流程详解(下)

    - 点击上方"中国统计网"订阅我吧!- 我们在Spark高级分析指南 | 机器学习和分析流程详解(上)快速介绍了一下不同的高级分析应用和用力,从推荐到回归.但这只是实际高级分析过程 ...

  9. sgd 参数 详解_代码笔记--PC-DARTS代码详解

    DARTS是可微分网络架构搜搜索,PC-DARTS是DARTS的拓展,通过部分通道连接的方法在网络搜索过程中减少计算时间的内存占用.接下来将会结合论文和开源代码来详细介绍PC-DARTS. 1 总体框 ...

最新文章

  1. 无招胜有招之Java进阶JVM(七)对象模型
  2. Redis压缩列表原理与应用分析
  3. CentOS7下Spark集群的安装
  4. 使用Nexus搭建Maven仓库私服的权限配置心得
  5. 基本的广告法违禁词、违规词以及敏感词大全
  6. 笔记3:STM32F103与STM32F030的区别
  7. win11系统完全使用ie浏览器的方法
  8. 解决window10系统电脑插入耳机之后没有声音的问题
  9. 面经——华为联发科小米兆易创新(2020年秋招嵌入式软件)
  10. [渝粤教育] 北京科技大学 离散数学 参考 资料
  11. C\C++ | FILE文件基本操作函数
  12. 微信朋友圈信息流可能采用算法排序吗?
  13. 阿里云KMS创建应用接入点
  14. 服务器 *.s3.amazonaws.com上资源不可用的处理方式
  15. GeneXus中如何使用聊天机器人
  16. Xilinx AXI USB2.0 Device IP 手册阅读笔记
  17. Verdi非常实用技巧
  18. Css之scoped (有作用域的 CSS)
  19. 杭州/北京内推 | 阿里达摩院生物医学信息处理团队招聘24届春招实习生
  20. No default constructor for entity问题分析与解决

热门文章

  1. opencv心得体会_OpenCV心得
  2. would dispatch back to the current handler URL [/student] again. Check your ViewResolver setup
  3. Bootsrap,我爱你啥子嘛?
  4. 前端项目运行错误提示及解决proble (1 error, 0 warnings) m1 error and 0 warnings potentially fixable with the `--fi
  5. Ajax 和 XML: 五种 Ajax 反模式(转载)
  6. 达梦数据库连接报错 error code=-70028 Create SOCKET connection failure. 创建SOCKET连接失败
  7. Java上传图片预览并通过后端压缩
  8. 更改tkinter的OptionMenu背景颜色和下拉菜单宽度
  9. 【读后感】读《了不起的盖茨比》后感
  10. 初中计算机应用基础知识,初中乐理基础知识教案