基于pytorch的简单回归问题之波士顿房价预测

数据背景介绍

波士顿房价数据集housing.data是统计的20世纪70年代期波士顿郊区房价的中位数，统计了当时犯罪率，房产税等13个指标。本例子属于回归模型的案例，在数据集中包含506个数据，其中划分训练集和测试集分别为496和10。
数据每行的前13个是属性，最后MEDV代表房价（单位1000美元）

在pycharm中打开的数据集

代码
以下是详细包含一个隐藏层的回归模型代码

import torch

#data 解析数据
import numpy as np
import re
ff = open("housing.data").readlines()  #读取所有的行形成一个所有行列表,注意后面有s
# print(ff)
data = [] #定义一个data列表，将数据加入其中
for item in ff:
    out = re.sub(r"\s{2,}", " ", item).strip()  #将多个空格合并成一个并且去掉其中的换行符
    #print(out)
    data.append(out.split("