Pytorch(六) --处理高维特征数据

本次的实验，就类似于神经网络中的全连接神经网络，这是用来处理高维数据的。
神经网络共3层；第一层是8维到6维的非线性空间变换，第二层是6维到4维的非线性空间变换，第三层是4维到1维的非线性空间变换。
代码如下所示：

#准备数据集
xy = np.loadtxt('E:\\tmp\\.keras\\datasets\\diabetes.csv\\diabetes.csv',delimiter=',',dtype=np.float32)
x_data = torch.from_numpy(xy[:,:-1])
y_data = torch.from_numpy(xy[:,[-1]])#定义模型
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(4,1)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))return x
model = Model()
#定义优化器和损失函数
criterion = torch.nn.BCELoss(reduction='mean')
optimizer = torch.optim.SGD(model.parameters(),lr=0.01)
epoch_list = []
acc_list = []
#前向、反向、更新
for epoch in range(100000):y_pred = model(x_data)loss = criterion(y_pred,y_data)optimizer.zero_grad()loss.backward()optimizer.step()y_pred_label = torch.where(y_pred>=0.5,torch.tensor([1.0]),torch.tensor([0.0]))acc = torch.eq(y_pred_label,y_data).sum().item()/y_data.size(0)#用来计算准确率epoch_list.append(epoch)acc_list.append(acc)print('epoch=',epoch,'loss=',loss.item(),'acc=',acc)
plt.plot(epoch_list,acc_list)
plt.xlabel('epoch')
plt.ylabel('acc')
plt.show()

模型最终的效果并不是很好，准确率在78%左右。

epoch= 99999 loss= 0.4616067409515381 acc= 0.764163372859025

努力加油a啊

Pytorch(六) --处理高维特征数据相关推荐

python实现cnn特征提取_使用PyTorch提取CNNs图像特征
目录简要介绍PyTorch.张量和NumPy 为什么选择卷积神经网络(CNNs)? 识别服装问题使用PyTorch实现CNNs 1.简要介绍PyTorch.张量和NumPy 让我们快速回顾一下第一 ...
OpenCV学习笔记（四十六）——FAST特征点检测features2D OpenCV学习笔记（四十七）——VideoWriter生成视频流highgui OpenCV学习笔记（四十八）——PCA算
OpenCV学习笔记(四十六)--FAST特征点检测features2D 特征点检测和匹配是计算机视觉中一个很有用的技术.在物体检测,视觉跟踪,三维常年关键等领域都有很广泛的应用.这一次先介绍特征点检 ...
《如何搭建小微企业风控模型》第六节节选特征工程（下）
<如何搭建小微企业风控模型>第六节节选特征工程(下) 第一章小微企业数据风控技术的框架小微企业数据贷发展情况概述搭建小微企业风控模型所需知识风控模型概览第二章强相关变量:企业 ...
【数据可视化】复杂高维多元数据的可视化
1 高维多元数据每个数据对象有两个或两个以上独立或者相关属性的数据.高维指数据具有多个独立属性,多元指数据具有多个相关属性.由于研究者在很多情况下不确定数据的属性是否独立,因此通常简单地称之为多元数 ...
数据埋点|六个步骤实现数据埋点方案设计
点击上方蓝字关注我们作为数据分析师的你,是否和我一样经常会被业务方拿着两个不同数据平台的报表数据进行灵魂拷问.下面的场景你应该在熟悉不过了. 情景1 一场拉新促活的活动之后,运营拿着两个不同团队 ...
“第六届中国大数据应用论坛”隆重举行
2017年7月16日,由中国新一代IT产业推进联盟指导, CIO时代学院主办,北大软件工程研究所.全国高校大数据教育联盟.北达软协办,CIO时代APP承办的"第六届中国大数据应用论坛&q ...
降维后的高维特征的参数_高维超参数调整简介
降维后的高维特征的参数 by Thalles Silva 由Thalles Silva 高维超参数调整简介 (An introduction to high-dimensional hyper-par ...
高维多元数据拟合回归如何进行？？？
一.高维多元数据非线性/线性拟合: Matlab绘制三维空间网格散点图,使用cftool工具箱实现三维空间绘图.cftool工具箱是应用程序中的Curve Fitting应用.选择拟合曲线的类型,工具 ...
Nat. Biotechnol | PHATE：高维生物数据的可视化方法
高维生物数据的可视化能帮助研究者以直观的方式了解数据.今天介绍2019年12月发表在Nature Biotechnology的可视化工作. 1 研究背景高维数据需要可视化工具,以直观的方式显示数据结 ...

Pytorch(六) --处理高维特征数据

Pytorch(六) --处理高维特征数据相关推荐

最新文章

热门文章