pytorch sklearn dataset load_breast_cancer 逻辑回归（二分类）

最新推荐文章于 2025-06-24 17:22:17 发布

原创

最新推荐文章于 2025-06-24 17:22:17 发布 · 2.8k 阅读

6 ·

CC 4.0 BY-SA版权

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)