pytorch sklearn dataset load_breast_cancer 逻辑回归(二分类)

该博客使用PyTorch加载sklearn的乳腺癌数据集,通过定义逻辑回归模型进行二分类任务。模型训练了5000个epoch,每个epoch后输出损失(loss)和准确率(accuracy)。最终模型通过比较预测值是否大于0.5来确定类别,并与实际标签对比。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import matplotlib.pyplot as plt
import torch
from torch import nn
from torch import optim
from sklearn.datasets import load_breast_cancer

data_set = load_breast_cancer()
x = torch.from_numpy(data_set['data'])
y = torch.from_numpy(data_set['target'])
x = x.float()
y = y.float()
y = y.unsqueeze(dim=1)
print(x.shape)
print(y.shape)


class LR(nn.Module):
    def __init__(self):
        super(LR, self).__init__()
        self.lr = nn.Linear(30,1)
        self.sg = nn.Sigmoid()
    
    def forward(self, x):
        x = self.lr(x)
        x = self.sg(x)
        return x
    
lr = LR()
criterion = nn.BCELoss()
# criterion = nn.BCEWithLogitsLoss()
optimizer = torch.optim.Adam(lr.parameters(), lr=1e-3)

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