详细内容或原文请订阅后点击阅览
PyTorch 初学者教程：从头开始构建多重回归模型
PyTorch 实践：构建用于多元回归的 3 层神经网络《PyTorch 初学者教程：从头开始构建多元回归模型》首先出现在《走向数据科学》上。
来源:走向数据科学在法学硕士被炒作之前，机器学习框架和深度学习框架之间几乎有一条明显的界限。
几乎可见 行演讲主要集中在 Scikit-Learn、XGBoost 以及类似的 ML 上，而当深度学习成为焦点时，PyTorch 和 TensorFlow 则占据主导地位。
然而，在 AI 爆炸之后，我发现 PyTorch 比 TensorFlow 更能统治这一领域。这两个框架都非常强大，使数据科学家能够解决不同类型的问题，自然语言处理就是其中之一，因此再次提高了深度学习的受欢迎程度。
好吧，在这篇文章中，我的想法不是谈论 NLP，而是，我将处理一个多变量线性回归问题，并牢记两个目标：
- 教授如何使用 PyTorch 创建模型，分享其他教程中并不常见的线性回归知识。
让我们开始吧。
准备数据
好吧，让我不再为您提供线性回归的奇特定义。您可能在互联网上无数的教程中多次看到这一点。因此，可以说，当你有一个想要预测的变量 Y 和另一个可以使用直线解释 Y 变化的变量 X 时，即本质上的线性回归。
当你有一个想要预测的变量 Y 和另一个可以用直线解释 Y 变化的变量 X 时，本质上就是线性回归。数据集
在本练习中，我们使用 Abalone 数据集 [1]。
1Nash, W.、Sellers, T.、Talbot, S.、Cawthorn, A. 和 Ford, W. (1994)。鲍鱼[数据集]。 UCI 机器学习存储库。 https://doi.org/10.24432/C55C7W。
那么，让我们继续加载数据。此外，我们将对变量 Sex 进行 One Hot 编码，因为它是唯一的分类变量。
性别
这是数据集。