pytorch 入门学习使用逻辑斯蒂做二分类-6
pytorch 入门学习使用逻辑斯蒂做二分类
使用pytorch实现逻辑斯蒂做二分类
import torch
import torchvision
import numpy as np
import torch.nn.functional as F
import matplotlib.pyplot as pltx_data = torch.Tensor([[1.0],[2.0],[3.0]]) #矩阵
y_data = torch.Tensor([[0],[0],[1]])class LogisticRegressionModel(torch.nn.Module):def __init__(self):super(LogisticRegressionModel, self).__init__()self.linear = torch.nn.Linear(1,1)def forward(self,x):y_pred = F.sigmoid(self.linear(x))return y_pred
model = LogisticRegressionModel()criterion = torch.nn.BCELoss(size_average=False) #二分类的交叉熵损失
optimizer = torch.optim.SGD(model.parameters(),lr=0.01)#随机梯度下降for epoch in range(10000):y_pred = model(x_data)loss = criterion(y_pred,y_data)print(epoch,loss.item())optimizer.zero_grad()loss.backward()optimizer.step()#test and visialization
x = np.linspace(0,10,200)
x_t = torch.Tensor(x).view((200,1))
y_t = model(x_t)
y = y_t.data.numpy()
plt.plot(x,y)
plt.xlabel('Hours')
plt.ylabel('Probability of Pass')
plt.grid()
plt.show()
9991 0.255062073469162
9992 0.2550414502620697
9993 0.2550209164619446
9994 0.2550000548362732
9995 0.2549794316291809
9996 0.2549586296081543
9997 0.2549380660057068
9998 0.25491729378700256
9999 0.25489675998687744
pytorch 入门学习使用逻辑斯蒂做二分类-6相关推荐
- 学习笔记——逻辑斯蒂回归与最大熵模型
逻辑斯蒂回归(logistic regression)是统计学习中的经典分类方法.最大熵是概率模型学习的一个准则,将其推广到分类问题得到最大熵模型(maximum entropy).都属于对数线性模型 ...
- Logistic Regression 逻辑斯蒂回归
文章目录 5.Logistic Regression 逻辑斯蒂回归 5.1 回归任务 5.1.1 MNIST Dataset 5.1.2 CIFAR-10 Dataset 5.2 Regression ...
- PyTorch深度学习实践(b站刘二大人)P6讲 逻辑斯蒂回归 Logistic Regression
1.分类任务的数据集 ① The MNIST Dataset:handwritten digits Training set: 60,000 examples, Test set: 10,000 ex ...
- Lecture6 逻辑斯蒂回归(Logistic Regression)
目录 1 常用数据集 1.1 MNIST数据集 1.2 CIFAR-10数据集 2 课堂内容 2.1 回归任务和分类任务的区别 2.2 为什么使用逻辑斯蒂回归 2.3 什么是逻辑斯蒂回归 2.4 Si ...
- 逻辑斯蒂回归(logistic regression)原理小结
逻辑斯蒂回归(logistic regression)原理小结 1. 模型函数 2. 损失函数 3. 学习算法 4. 加正则项的逻辑斯蒂回归 5. 多项逻辑斯蒂回归 6. 模型综合评价 7. 二分类 ...
- 对逻辑斯蒂回归的一些细节剖析
首先声明:本博客的写作思路是对机器学习的一些基本算法做一些通俗性的灵活理解,以及对一些细节的进行简单剖析,还有记录本人在使用算法时的一些小经验小感想.本人一般不会对基本公式做大量推导,也不会写的太正式 ...
- 理解逻辑斯蒂回归模型
逻辑斯蒂回归是一个非常经典的二项分类模型,也可以扩展为多项分类模型.其在应用于分类时的过程一般如下,对于给定的数据集,首先根据训练样本点学习到参数w,b;再对预测点分别计算两类的条件概率,将预测点判为 ...
- 逻辑斯蒂回归以及它的梯度下降法
文章目录 前言 模型 逻辑斯蒂分布 二项逻辑斯蒂回归模型 多项逻辑斯蒂回归模型 策略 算法 如何求对数似然函数的最大值 梯度下降法 算法思想 推导公式 前言 逻辑斯蒂回归(logistic distr ...
- 李航统计学习方法 Chapter6 逻辑斯蒂回归
第6章 逻辑斯蒂回归和最大熵模型 逻辑斯谛回归(LR)是经典的分类方法 1.逻辑斯谛回归模型是由以下条件概率分布表示的分类模型.逻辑斯谛回归模型可以用于二类或多类分类. P(Y=k∣x)=exp(w ...
最新文章
- 聚类(Clustering)定义、聚类思想及形式、距离的度量
- 2011寒假-操作系统学习笔记
- iOS 9 学习系列:UIStack View
- centos6.5安装hadoop2.6.4
- 使用Duilib做桌面应用总结
- 11MYSQL:慢查询以及优化步骤
- Divan and Kostomuksha (H version) dp,gcd(2300)
- ITK:Voronoi图
- 0327 ARM 裸奔学习总结
- php 数组设置为空,PHP数组设置空值
- .htaccess使用说明
- LeetCode 144. Binary Tree Preorder Traversal 20170706
- 2016年大数据发展趋势预测
- php 实现rpc,使用php链接jsonrpc服务
- 模型评估方法【附python代码】(信息准则:赤池信息量准则AIC、贝叶斯信息准则BIC)
- 分布式session解决方案
- C# 类库组件在工具箱不显示问题
- 【Flutter】Dart 数据类型 数字类型 ( Dart 文件创建 | num 类型 | int 类型 | double 类型 | num 相关 API )
- Google BERT 中文应用之《红楼梦》中对话人物提取
- 关于访问自己服务器显示无法访问此网站拒绝了我们的连接请求。
热门文章
- 安装Python3.5后,pip报错Fatal error in launcher: Unable to create process using ‘“‘解决方案
- ubuntu循环登录问题的解决
- 为什么结构的sizeof不等于每个成员的sizeof之和?
- 如果我已经开始重新设置基准,如何将两个提交合并为一个?
- Windows输入体验是什么,Windows11输入体验在哪里
- 远程控制slam小车及pid调试PC与树莓派ssh链接时出现间歇性联通段开网络故障acailable I Destination Host Unreachable_然后5s后切换了一个地图
- 生成主键ID,唯一键id,分布式ID生成器雪花算法代码实现
- (配置消息转换器)解决后台返回json数据到前台时页面时中文显示乱码问题
- RandomAccessFile 随机存取文件任意位置数据
- windows 电脑属性调用程序