(1)blibli网站地址
251-03_PaddlePaddle求解线性模型_dec_哔哩哔哩_bilibili
(2)波士顿数据集介绍参考了
机器学习:波士顿房价数据集_mjiansun的博客-CSDN博客
(1)测试一个简单线性回归例子
y = 2*x + 10
(2)测试代码如下
- import paddle
-
- # test y = 2x +10
-
- #线性回归例子
- x_data = paddle.to_tensor([[1.0],[3.0],[5.0],[9.0],[10.0],[20.0]])
- y_data = paddle.to_tensor([[12.0],[16.0],[20.0],[28.0],[30.0],[50.0]])
-
- linear = paddle.nn.Linear(in_features=1, out_features=1)
- w_before_opt = linear.weight.numpy().item()
- b_before_opt = linear.bias.numpy().item()
- print("w: ",w_before_opt," b: ", b_before_opt)
-
- mse_loss = paddle.nn.MSELoss()
- sgd_optimizer = paddle.optimizer.SGD(learning_rate=0.001, parameters=linear.parameters())
-
- total_epoch = 5000
- for i in range(total_epoch):
- y_predict = linear(x_data)
- loss = mse_loss(y_predict, y_data)
- loss.backward()
- sgd_optimizer.step()
- sgd_optimizer.clear_gradients()
-
- if i % 1000 == 0:
- print(i, loss.numpy())
-
- print("finish training, loss = {}".format(loss.numpy()))
- w_finial_opt = linear.weight.numpy().item()
- b_finial_opt = linear.bias.numpy().item()
- print("w: ",w_finial_opt," b: ", b_finial_opt)
(3)测试效果图
(1)数据集下载地址
https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data
(2)数据集内容
该数据集是一个回归问题。每个类的观察值数量是均等的,共有 506 个观察,13 个输入变量和1个输出变量。每条数据包含房屋以及房屋周围的详细信息。其中包含城镇犯罪率,一氧化氮浓度,住宅平均房间数,到中心区域的加权距离以及自住房平均房价等等。
CRIM:城镇人均犯罪率。
ZN:住宅用地超过 25000 sq.ft. 的比例。
INDUS:城镇非零售商用土地的比例。
CHAS:查理斯河空变量(如果边界是河流,则为1;否则为0)。
NOX:一氧化氮浓度。
RM:住宅平均房间数。
AGE:1940 年之前建成的自用房屋比例。
DIS:到波士顿五个中心区域的加权距离。
RAD:辐射性公路的接近指数。
TAX:每 10000 美元的全值财产税率。
PTRATIO:城镇师生比例。
B:1000(Bk-0.63)^ 2,其中 Bk 指代城镇中黑人的比例。
LSTAT:人口中地位低下者的比例。
MEDV:自住房的平均房价,以千美元计。
预测平均值的基准性能的均方根误差(RMSE)是约 9.21 千美元。
注意: 因为涉及种族问题(有一个和黑人人口占比相关的变量B),请大家保持理性,认真严肃对待:(。
(3)用notepad++打开这个.data的数据集,如下图所示
(4)代码实现,感觉效果不好
- import paddle
- from paddle.nn import Linear
- import paddle.nn.functional as F
- import numpy as np
- import os
- import random
-
- def load_data():
- #从文件道路数据
- datafile = './housing.data'
- data = np.fromfile(datafile, sep=' ', dtype=np.float32)
-
- #每条数据包括14项,其中前面13项是影响因素,第14项是相应的房屋价格中位数
- feature_names = ['CRIM','ZN','INDUS','CHAS','NOX','RM','AGE',
- 'DIS','RAD','TAX','PTRATIO','B','LSTAT','MEDV']
- feature_num = len(feature_names)
-
- #将原始数据进行Reshape,变成[N, 14]这样的形状
- data = data.reshape([data.shape[0] // feature_num, feature_num])
-
- #将原始数据集拆分成训练集和测试集
- #这里使用80%的数据做训练,20%的数据做测试
- # 测试集和训练集必须是没有交集的
- ratio = 0.8
- offset = int(data.shape[0] * ratio)
- training_data = data[:offset]
-
- #计算train数据集的最大值,最小值,平均值
- maximums, minimums, avgs = training_data.max(axis=0),training_data.min(axis=0), \
- training_data.sum(axis=0)/training_data.shape[0]
-
- print(maximums.shape)
- # 记录数据的归一化参数,在预测时对数据做归一化
- # global max_values
- # global min_values
- # global avg_values
- max_values = maximums
- min_values = minimums
- avg_values = avgs
-
- #对所有的数据进行归一化处理
- for i in range(feature_num):
- data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
-
- #训练集合测试集的划分比例
- training_data = data[:offset]
- test_data = data[offset:]
- return training_data, test_data, max_values, min_values, avg_values, feature_num
-
- class Regressor(paddle.nn.Layer):
- #self代表类的实例自身
- def __init__(self) -> None:
- #初始化父类中的一些参数
- super(Regressor, self).__init__()
-
- #定义一层全连接层,输入维度是13,输出维度是1
- self.fc = Linear(in_features=13, out_features=1)
-
- #网络的前向计算
- def forward(self, inputs):
- x = self.fc(inputs)
- return x
-
- #陈修改
- def load_one_test(testdata):
- #从测试数据中,随机选择一条数据作为测试数据
- idx = np.random.randint(0,testdata.shape[0])
- # idx = -10 # 或者直接指定
- one_data, label = testdata[idx, :-1], testdata[idx, -1]
- print("one_data.shape: ",one_data.shape)
- #修改该条数据shape为[1,13]
- one_data = one_data.reshape([1,-1])
- print("one_data.shape: ",one_data.shape)
-
- return one_data,label
-
-
-
-
- def house_price():
- # 定义线性模型
- model = Regressor()
- #开启模型训练模式
- model.train()
- # 加载数据
- training_data, test_data, max_values, min_values, avg_values, feature_num = load_data()
-
- #定义优化算法,使用随机梯度下降SGD
- #学习率设置为0.01
- opt = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters())
-
- EPOCH_NUM = 10 #总共多少轮训练
- BATCH_SIZE = 10 #batch siza大小
-
- #每一轮训练
- for epoch_id in range(EPOCH_NUM):
- #在每轮迭代开始之前,将训练数据的顺序随机的打乱
- np.random.shuffle(training_data)
- #将训练数据进行拆分,每个batch包含10条数据
- mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
-
- #每一轮训练中,每个batch训练一遍
- for iter_id, mini_batch in enumerate(mini_batches):
- x = np.array(mini_batch[:,:-1]) #获得当前批次训练数据,前面13个值
- y = np.array(mini_batch[:,-1:]) #获得当前批次训练标签(真实放假),最后一个房价值
- #将numpy数据转为paddle的tensor形式
- house_features = paddle.to_tensor(x)
- prices = paddle.to_tensor(y)
-
- #前向计算
- predicts = model(house_features)
-
- #计算损失
- loss = F.square_error_cost(predicts,label=prices)
- avg_loss = paddle.mean(loss)
- if iter_id % 20 == 0:
- print("epoch:{}, iter:{}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
-
- #反向传播
- avg_loss.backward()
- #最小化loss,更新参数
- opt.step()
- #清除梯度
- opt.clear_grad()
-
- #保存模型参数
- paddle.save(model.state_dict(), 'LR_model.pdparams')
- print("模型已保存,文件为LR_model.pdparams")
-
- #-------------------------------------------------------
- #读取模型
- model_dict = paddle.load('LR_model.pdparams')
- model.load_dict(model_dict)
- #设置为测试模式
- model.eval
-
- #获取测试数据,注意要做归一化
- one_data, label = load_one_test(test_data)
- #转为tensor
- one_data = paddle.to_tensor(one_data)
- predict = model(one_data)
-
- #对结果做反向归一化处理
- predict = predict *(max_values[-1] - min_values[-1]) + avg_values[-1]
- #对label数据做反向归一化处理
- label = label * (max_values[-1] - min_values[-1]) + avg_values[-1]
-
- print("Inference result is{}, the corresponding label is{}".format(predict.numpy(),label))
-
-
-
- if __name__ == "__main__":
- house_price()
-
(5)改进一下,修改神经网络为2层,训练100epoch,效果看看还可以,如下
- import paddle
- from paddle.nn import Linear
- import paddle.nn.functional as F
- import numpy as np
- import os
- import random
-
- def load_data():
- #从文件道路数据
- datafile = './housing.data'
- data = np.fromfile(datafile, sep=' ', dtype=np.float32)
-
- #每条数据包括14项,其中前面13项是影响因素,第14项是相应的房屋价格中位数
- feature_names = ['CRIM','ZN','INDUS','CHAS','NOX','RM','AGE',
- 'DIS','RAD','TAX','PTRATIO','B','LSTAT','MEDV']
- feature_num = len(feature_names)
-
- #将原始数据进行Reshape,变成[N, 14]这样的形状
- data = data.reshape([data.shape[0] // feature_num, feature_num])
-
- #将原始数据集拆分成训练集和测试集
- #这里使用80%的数据做训练,20%的数据做测试
- # 测试集和训练集必须是没有交集的
- ratio = 0.8
- offset = int(data.shape[0] * ratio)
- training_data = data[:offset]
-
- #计算train数据集的最大值,最小值,平均值
- maximums, minimums, avgs = training_data.max(axis=0),training_data.min(axis=0), \
- training_data.sum(axis=0)/training_data.shape[0]
-
- print(maximums.shape)
- # 记录数据的归一化参数,在预测时对数据做归一化
- # global max_values
- # global min_values
- # global avg_values
- max_values = maximums
- min_values = minimums
- avg_values = avgs
-
- #对所有的数据进行归一化处理
- for i in range(feature_num):
- data[:, i] = (data[:, i] - avgs[i]) / (maximums[i] - minimums[i])
-
- #训练集合测试集的划分比例
- training_data = data[:offset]
- test_data = data[offset:]
- return training_data, test_data, max_values, min_values, avg_values, feature_num
-
- class Regressor(paddle.nn.Layer):
- #self代表类的实例自身
- def __init__(self) -> None:
- #初始化父类中的一些参数
- super(Regressor, self).__init__()
-
- #定义一层全连接层,输入维度是13,输出维度是1
- self.fc1 = Linear(in_features=13, out_features=20)
- self.fc2 = Linear(in_features=20, out_features=1)
-
- #网络的前向计算
- def forward(self, inputs):
- x1 = self.fc1(inputs)
- x2 = self.fc2(x1)
- return x2
-
- #陈修改
- def load_one_test(testdata):
- #从测试数据中,随机选择一条数据作为测试数据
- idx = np.random.randint(0,testdata.shape[0])
- # idx = -10 # 或者直接指定
- one_data, label = testdata[idx, :-1], testdata[idx, -1]
- print("one_data.shape: ",one_data.shape)
- #修改该条数据shape为[1,13]
- one_data = one_data.reshape([1,-1])
- print("one_data.shape: ",one_data.shape)
-
- return one_data,label
-
-
-
-
- def house_price():
- # 定义线性模型
- model = Regressor()
- #开启模型训练模式
- model.train()
- # 加载数据
- training_data, test_data, max_values, min_values, avg_values, feature_num = load_data()
-
- #定义优化算法,使用随机梯度下降SGD
- #学习率设置为0.01
- opt = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters())
-
- EPOCH_NUM = 100 #总共多少轮训练
- BATCH_SIZE = 10 #batch siza大小
-
- #每一轮训练
- for epoch_id in range(EPOCH_NUM):
- #在每轮迭代开始之前,将训练数据的顺序随机的打乱
- np.random.shuffle(training_data)
- #将训练数据进行拆分,每个batch包含10条数据
- mini_batches = [training_data[k:k+BATCH_SIZE] for k in range(0, len(training_data), BATCH_SIZE)]
-
- #每一轮训练中,每个batch训练一遍
- for iter_id, mini_batch in enumerate(mini_batches):
- x = np.array(mini_batch[:,:-1]) #获得当前批次训练数据,前面13个值
- y = np.array(mini_batch[:,-1:]) #获得当前批次训练标签(真实放假),最后一个房价值
- #将numpy数据转为paddle的tensor形式
- house_features = paddle.to_tensor(x)
- prices = paddle.to_tensor(y)
-
- #前向计算
- predicts = model(house_features)
-
- #计算损失
- loss = F.square_error_cost(predicts,label=prices)
- avg_loss = paddle.mean(loss)
- if iter_id % 20 == 0:
- print("epoch:{}, iter:{}, loss is: {}".format(epoch_id, iter_id, avg_loss.numpy()))
-
- #反向传播
- avg_loss.backward()
- #最小化loss,更新参数
- opt.step()
- #清除梯度
- opt.clear_grad()
-
- #保存模型参数
- paddle.save(model.state_dict(), 'LR_model.pdparams')
- print("模型已保存,文件为LR_model.pdparams")
-
- #-------------------------------------------------------
- #读取模型
- model_dict = paddle.load('LR_model.pdparams')
- model.load_dict(model_dict)
- #设置为测试模式
- model.eval
-
- #获取测试数据,注意要做归一化
- one_data, label = load_one_test(test_data)
- #转为tensor
- one_data = paddle.to_tensor(one_data)
- predict = model(one_data)
-
- #对结果做反向归一化处理
- predict = predict *(max_values[-1] - min_values[-1]) + avg_values[-1]
- #对label数据做反向归一化处理
- label = label * (max_values[-1] - min_values[-1]) + avg_values[-1]
-
- print("Inference result is{}, the corresponding label is{}".format(predict.numpy(),label))
-
-
-
- if __name__ == "__main__":
- house_price()
-