目录

1. 基础写法

1.1导包 

2.2加载读取数据

2.3原始数据可视化（画图显示） 

 2.4线性回归的（基础）分解写法

2.5定义训练过程 

 2.PyTorch实现 线性回归的封装写法（实际项目中的常用写法）

 2.1创建线性回归模型

2.2定义损失函数 

2.3定义优化器 

 2.4定义训练过程

---

 

1. 基础写法

1.1导包 

import torch
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

2.2加载读取数据¶

data = pd.read_csv('./dataset/Income1.csv')
data

#读取数据类型为dataframe类型

输出结果截图所示（部分数据） 

 

data.head()    #查看dataframe数据的前五条数据

 

data.tail()  #后五条数据

data.Education.head()  #查看数据的Education列的前五条数据  #是一个Series

0    10.000000
1    10.401338
2    10.842809
3    11.244147
4    11.645485
Name: Education, dtype: float64

data.Education[:5]  #查看数据的Education列的前五条数据

0    10.000000
1    10.401338
2    10.842809
3    11.244147
4    11.645485
Name: Education, dtype: float64

2.3原始数据可视化（画图显示） 

#画散点图，观察数据Education 与 Income 是否具有线性关系
plt.scatter(data.Education, data.Income)
plt.xlabel('Education')
plt.ylabel('Income')