线性回归模型

线性回归是分析一个变量与另外一(多)个变量之间关系的方法。因变量是 y，自变量是 x，关系线性：

任务就是求解 ，。

我们的求解步骤：
1、确定模型：Model =>
2、选择损失函数：这里用 MSE

3、求解梯度并更新 ,：

# 首先我们得有训练样本X，Y， 这里我们随机生成
# 随机生成20个(0,1)*10的torch向量
x = torch.rand(20, 1) * 10
# （随机生成20个均值为0，方差为1的torch向量+5）+2*x
y = 2 * x + (5 + torch.randn(20, 1))

# 构建线性回归函数的参数
w = torch.randn((1), requires_grad=True)
b = torch.zeros((1), requires_grad=True)   # 这俩都需要求梯度

for iteration in range(100):
 # 前向传播
    wx = torch.mul(w, x)
    y_pred = torch.add(wx, b)
 
    # 计算loss
    loss = (0.5 * (y-y_pred)**2).mean()
    
    # 反向传播
    loss.backward()
 
    # 更新参数
    b.data.sub_(lr * b.grad)    # 这种_的加法操作时从自身减，相当于-=
    w.data.sub_(lr * w.grad)

    # 梯度清零
    w.grad.data.zero_()
    b.grad.data.zero_()

print(w.data, b.data)

绘图

import matplotlib.pyplot as  plt
wx = torch.mul(w,x)
y_pred = torch.add(wx,b)
plt.scatter(x,y)
plt.plot(x,y_pred.data,"r")

来自：https://mp.weixin.qq.com/s/cZ4LpzVKS_JFUw1hEwbm5g