[Pytorch]Practice of Linear Regression #3(feat. PyTorch)

Practice of Linear Regression #3(feat. PyTorch)

그렇다면 이제 torch에서 지원해주는 모듈들을 사용해 선형회귀를 구현해보도록 하자.

1.다중 선형회귀의 클래스를 만들어 학습하자.

1.필요한 모듈을 import하자.

• import torch.nn as nn
  nn즉, neural networks의 약자이다. 현재 사용할 linear regression뿐만아니라, CNN, RNN등을 구현할때 많이 사용한다.
• import torch.nn.functional as F
  nn내부 함수들을 사용하기 위해 import하였다.
  위에 nn을 import했음에도 그 내부의 모듈을 새로 import하는 것은 nn.functional.~~는 너무 길다…

2.Linear Regression Class를 구현하자.

우리는 다중 선형회귀 클래스를 구현한다.

• self.linear = nn.Linear(input_dim, output_dim)
  • 선형회귀를 정의한다.
  • input_dim : 입력값의 크기를 정해준다.
  • output_dim : 출력값의 크기를 정해준다.
• self.linear(data)
  • 내부에 저장된 parameter를 기반으로 data에 대한 예측값을 구해 낸다.

3.학습을 시켜보자.

• model = MultiVariateLinearRegressionModel(feature_n, 1)
  • 다중 선형회귀 모델을 선언한다.
• optimizer = optim.SGD(model.parameters(), lr=1e-4)
  • 확률적 경사하강법의 최적화 방식을 사용하였다.
  • 앞서 선언한 model에서 생성된 parameter를 초기 가중치로 넘겨주었다.
  • 학습률(learning rate)를 0.0001로 정해주었다.
• hypothesis = model(x)
  • 주어진 training_data(위의 코드에서는 x)을 model을 통해 원하는 값을 예측하였다.
• cost = F.mse_loss(y, hypothsis)
  • 앞서 연산한 예측값과 해당 데이터에 대한 y즉, 정답값을 가지고 loss값을 구하였다.
  • 해당 코드에서는 제곱 평균 값을 선택하였다.

결과 값을 확인하자.

cost값들이 점점 줄어드는 것을 확인할 수 있다.
좀 더 편하게 보기 위해 이를 그래프로 표현해보면, 아래와 같다.

Reference

03 선형회귀_클래스로 파이토치 모델 구현하기
data set_house prices