pytorch 神经网络做 线性回归

线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。

回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 摘自百度百科

简单的说： 线性回归对于输入x与输出y有一个映射f，y=f(x),而f的形式为aX+b。其中a和b是两个可调的参数，我们训练的时候就是训练a，b这两个参数。

一些必要的包

下面定义一个线性函数，这里使用 y=3x+8，这里的3和8就是上面说到的参数a和b

下面我生成一些随机的点，来作为我们的训练数据，并将其可视化

随机生成了一些点，之后使用pytorch建立一个线性模型，这就是所说的训练的过程，由于只有一层线性模型，所以我们就直接使用了

其中参数(1, 1)代表输入输出的特征(feature)数量都是1. Linear 模型的表达式是 y=w⋅x+by=w⋅x+b，其中 w 代表权重， b代表偏置

然后开始训练

查看参数：