PyTorch实现多维度特征输入的逻辑回归

一、实现过程

1、准备数据

本文数据采取文献[1]给出的数据集，该数据集前8列为特征，最后1列为标签(0/1)。本模型使用pandas处理该数据集，需要注意的是，原始数据集没有特征名称，需要自己在第一行添加上去，否则，pandas会把第一行的数据当成特征名称处理，从而影响最后的分类效果。代码如下：

# 1、准备数据
import torch
import pandas as pd
import numpy as np
xy = pd.read_csv('G:/datasets/diabetes/diabetes.csv',dtype=np.float32)	# 文件路径
x_data = torch.from_numpy(xy.values[:,:-1])
y_data = torch.from_numpy(xy.values[:,[-1]])

2、设计模型

本文采取文献[1]的思路，激活函数使用ReLU，最后一层使用Sigmoid函数，代码如下：

class Model(torch.nn.Module):
    def __init__(self):
        super(Model,self).__init__()
        self