小白学习PyTorch教程七基于乳腺癌数据集​​构建Logistic 二分类模型

Posted 刘润森!

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了小白学习PyTorch教程七基于乳腺癌数据集​​构建Logistic 二分类模型相关的知识,希望对你有一定的参考价值。

@Author:Runsen

在逻辑回归中预测的目标变量不是连续的,而是离散的。可以应用逻辑回归的一个示例是电子邮件分类:标识为垃圾邮件或非垃圾邮件。图片分类、文字分类都属于这一类。

在这篇博客中,将学习如何在 PyTorch 中实现逻辑回归。

1. 数据集加载

在这里,我将使用来自 sklearn 库的乳腺癌数据集。这是一个简单的二元类分类数据集。从 sklearn.datasets 模块加载。接下来,可以使用内置函数从数据集中提取 X 和 Y,代码如下所示。

from sklearn import datasets
breast_cancer=datasets.load_breast_cancer()
x,y=breast_cancer.data,breast_cancer.target
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test= train_test_split(x,y,test_size=0.2)

在上面的代码中,测试大小表示要用作测试数据集的数据的比例。因此,80% 用于训练,20% 用于测试。

2. 预处理

由于这

以上是关于小白学习PyTorch教程七基于乳腺癌数据集​​构建Logistic 二分类模型的主要内容,如果未能解决你的问题,请参考以下文章

小白学习PyTorch教程十基于大型电影评论数据集训练第一个LSTM模型

小白学习PyTorch教程十一基于MNIST数据集训练第一个生成性对抗网络

小白学习PyTorch教程十一基于MNIST数据集训练第一个生成性对抗网络

小白学习keras教程七基于Digits数据集训练基本自动编码器无监督神经网络

小白学习PyTorch教程八使用图像数据增强手段,提升CIFAR-10 数据集精确度

小白学习PyTorch教程十七 PyTorch 中 数据集torchvision和torchtext