Pytorch实现线性分类

目录
1.导包
2.加载数据
3.获取X与Y数据
  4.将X，Y数据转化成tensor张量, tensor张量必须是二维数据
5.用封装的API实现线性分类
5.1导包
  5.2建模-神经网络（二分类题目）
5.3界说损失函数
  5.4界说优化器
  5.5界说训练过程
5.6 盘算正确率

---

  
1.导包

1. import torch
2. import numpy as np
3. import pandas as pd
4. import matplotlib.pyplot as plt

复制代码

2.加载数据

1. data = pd.read_csv('./dataset/credit-a.csv', header = None)
4. data.head()  #查看读取数据的前5条

复制代码

1. data.shape

复制代码

1. (653, 16)

复制代码

3.获取X与Y数据

1. #前15列式特征，最后一列是标记（二分类的目标结果）
2. X = data.iloc[:, :-1]  #dataframe的切片索引数据：所有的行数据都要，最后一列数据不要
3. Y = data.iloc[:, -1]  #行都要，列数据只要最后一列

复制代码

1. X.shape

复制代码

1. (653, 15)

复制代码

1. Y.shape

复制代码

1. (653,)

复制代码

1. # 在机器学习与深度学习中，series数据结构是不能做为分类标记，  series数据结构不属于一维数据结构，也不是二维数据结构
2. Y  #Y原数据是series

复制代码

1. X

复制代码

1. X.values  #是二维数组

复制代码

1. array([[0.000e+00, 3.083e+01, 0.000e+00, ..., 0.000e+00, 2.020e+02,
2.         0.000e+00],
3.        [1.000e+00, 5.867e+01, 4.460e+00, ..., 0.000e+00, 4.300e+01,
4.         5.600e+02],
5.        [1.000e+00, 2.450e+01, 5.000e-01, ..., 0.000e+00, 2.800e+02,
6.         8.240e+02],
7.        ...,
8.        [1.000e+00, 2.525e+01, 1.350e+01, ..., 0.000e+00, 2.000e+02,
9.         1.000e+00

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。