Multivariate Linear Regression

다항 선형 회귀 (Multivariable Linear Regression)

ex) 3개의 퀴즈성적(x)과 파이널 시험(y)성적을 예측해보자
H(x) = w1x1 + w2x2 + w3x3 + b

| quiz1 | quiz2 | quiz3 | final(y) |
|:----------:|:----------:|:----------:||:----------:|
| 73 | 80 | 75 | 152 |
| 93 | 88 | 93 | 185 |
| 89 | 91 | 80 | 180 |
| 96 | 98 | 100| 196 |
| 73 | 66 | 70 | 142 |

nn.Module

• 인공신경망을 편하게 만들 수 있음
• nn.Linear(3,1)
  • 입력차원:3
  • 출력차원:1
• forward( )에서 hypothesis를 어떻게 계산할 것 인지 지정

import torch.nn as nn

class MultivariateLinearRegressionModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(3, 1)
    def forward(self, x):
        return self.linear(x)

F.mse_losss

torch.mean((hypothesis - y_train)\**2)
# 대신에 아래를 사용

import torch.nn.functional as F

cost = F.mse_loss(prediction,y_train)

결과 코드

import torch
import torch.nn as nn
import torch.nn.functional as F

class MultivariateLinearRegressionModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(3, 1)
    def forward(self, x):
        return self.linear(x)


# 데이터
x_train = torch.FloatTensor([[73, 80, 75],
                             [93, 88, 93],
                             [89, 91, 90],
                             [96, 98, 100],
                             [73, 66, 70]])
y_train = torch.FloatTensor([[152], [185], [180], [196], [142]])
# 모델 초기화
model = MultivariateLinearRegressionModel()
# optimizer 설정
optimizer = torch.optim.SGD(model.parameters(), lr=1e-5)

nb_epochs = 20
for epoch in range(nb_epochs+1):

    # H(x) 계산
    prediction = model(x_train)

    # cost 계산
    cost = F.mse_loss(prediction, y_train)

    # cost로 H(x) 개선
    optimizer.zero_grad()
    cost.backward()
    optimizer.step()

    print('Epoch {:4d}/{} Cost: {:.6f}'.format(
        epoch, nb_epochs, cost.item()
    ))