(2)paddle---简单线性回归和波士顿房价预测

1、参考地址

(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-优快云博客

 2、简单线性回归

(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

 3、波士顿房价数据集

(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()

PaddlePaddle 是百度开源的一个深度学习框架,它支持从简单的线性模型到复杂的神经网络的各种任务。下面是一个基于 PaddlePaddle 实现线性回归波士顿房价预测简单介绍: --- ### **波士顿房价预测简介** 波士顿房价数据集是机器学习领域常用的数据集之一,包含了许多影响房屋价格的因素(如犯罪率、平均房间数等),目标是对房价进行预测。 在线性回归中,我们通过拟合一条直线(对于一维特征)或多维超平面(对于多维特征),使得输入变量输出变量之间的误差最小化。 以下是实现的关键步骤: #### 1. 数据准备 加载并预处理波士顿房价数据集。通常需要对数据做标准化或归一化操作,以便更好地训练模型。 ```python from paddle import nn import paddle # 加载数据 (假设已经准备好) def load_data(): # 这里可以使用自定义函数读取数据,也可以直接用库提供的 Boston Housing 数据集 pass train_loader = load_data() ``` #### 2. 模型构建 创建一个简单线性回归模型,该模型只有一个全连接层(`Linear Layer`)。线性回归的核心公式为 \( y = w \cdot x + b \),其中 `w` `b` 分别代表权重偏置项。 ```python class LinearRegressionModel(nn.Layer): def __init__(self): super(LinearRegressionModel, self).__init__() self.fc = nn.Linear(in_features=13, out_features=1) # 输入维度为13,输出维度为1 def forward(self, inputs): return self.fc(inputs) model = LinearRegressionModel() ``` #### 3. 定义损失函数与优化器 常用的损失函数为均方误差(MSE Loss),适合用于回归问题。选择合适的优化算法(例如梯度下降法 SGD 或 Adam 等)更新模型参数。 ```python loss_fn = nn.MSELoss(reduction='mean') # 均方误差作为损失函数 optimizer = paddle.optimizer.SGD(learning_rate=0.01, parameters=model.parameters()) ``` #### 4. 训练模型 将数据送入模型进行前向传播,并计算损失值,然后反向传播调整参数。 ```python for epoch in range(100): # 设定迭代次数 for batch_id, data in enumerate(train_loader()): features, labels = data predictions = model(features) # 前向传播 loss = loss_fn(predictions, labels) # 计算损失 loss.backward() # 反向传播 optimizer.step() # 更新参数 optimizer.clear_grad() # 清空梯度 if epoch % 10 == 0: print(f"Epoch {epoch}, Loss: {loss.numpy()[0]}") ``` #### 5. 预测与评估 完成训练后,可以用测试集验证模型性能。 ```python test_predictions = model(test_data) # 测试数据 print("Test Predictions:", test_predictions.numpy()) ``` --- ### 总结 以上代码展示了如何利用 PaddlePaddle 构建一个基础的线性回归模型,并应用其解决波士顿房价预测的问题。尽管这是一个非常简单的示例,但它涵盖了大部分机器学习项目的常见流程:数据准备 → 模型设计 → 损失函数定义 → 参数优化。 如果你希望进一步提升预测精度,可以尝试更复杂的模型结构(比如添加隐藏层的神经网络)、改进超参调节策略或者增加更多的正则化手段。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值