#!/usr/bin/env?python
#?coding:?utf-8

#?In[1]:


#導入需要的包
from?matplotlib?import?pyplot?as?plt
import?numpy?as?np
from?sklearn?import?datasets
from?sklearn.model_selection?import?train_test_split
from?sklearn?import?preprocessing
from?sklearn.linear_model?import?LinearRegression
from?sklearn.metrics?import?r2_score
import?pandas?as?pd
import?torch
import?torch.utils.data?as?Data
import?torch.nn?as?nn
from?torch.nn?import?init
import?torch.optim?as?optim


#?In[2]:


#加載數據集


#?In[3]:


house_data?=?datasets.load_boston（）
print（house_data）


#?In[4]:


plt.rcParams[‘font.sans-serif‘]?=?[‘SimHei‘]
plt.rcParams[‘axes.unicode_minus‘]?=?False

print（house_data.feature_names）


#?In[5]:


x_data?=?house_data[‘data‘]
y_data?=?house_data[‘target‘]
print（x_data.shapey_data.shape）
namedata?=?house_data.feature_names


#?In[6]:


#?先要查看數據的類型，是否有空值，數據的描述信息等等。
boston_df?=?pd.Dataframe（house_data.data?columns=house_data.feature_names）
boston_df[‘PRICE‘]?=?house_data.target
#?計算每一個特征和房價的相關系數
boston_df.corr（）[‘PRICE‘]


#?In[7]:


#?可以看出LSTAT、PTRATIO、RM三個特征的相關系數大于0.5，這三個特征和價格都有明顯的線性關系。
plt.figure（facecolor=‘white‘）
corr?=?boston_df.corr（）
corr?=?corr[‘PRICE‘]
corr[abs（corr）?>?0.5].sort_values（）.plot.bar（）
plt.show（）

for?i?in?range（13）:
????plt.subplot（53i+1）
????plt.scatter（x_data[:i]y_datas=8）
????plt.title（namedata[i]）
plt.show（）


#?In[8]:


#清洗數據，把房屋價格為50的值去掉
i_=[]
for?i?in?range（len（y_data））:
????if?y_data[i]?==?50:
????????i_.append（i）
x_data?=?np.delete（x_datai_axis?=?0）
y_data?=?np.delete（y_datai_axis?=?0）
print（x_data.shapey_data.shape）
j_=[]
for?i?in?range（13）:
????if?namedata[i]?==?‘RM‘?or?namedata[i]?==?‘PTRATIO‘?or?namedata[i]?==?‘LSTAT‘:
????????continue
????j_.append（i）
x_data?=?np.delete（x_dataj_axis=1）

X_train?X_test?y_train?y_test?=?train_test_split（x_datay_datarandom_state=0test_size=0.2）
#print（X_train.shape?X_test.shape?y_train.shape?y_test.shape）


#?In[9]:


print（X_train.shape?X_test.shape?y_train.shape?y_test.shape）


#?In[10]:


lr?=?0.03

batch_size?=?10
#將訓練數據的特征和標簽組合
X_train?=?torch.tensor（X_traindtype?=?torch.float）
y_train?=?torch.tensor（y_traindtype?=?torch.float）
X_test?=?torch.tensor（X_testdtype?=?torch.float）
y_test?=?torch.tensor（y_testdtype?=?torch.float）
train_dataset?=?Data.TensorDataset（X_trainy_train）

data_iter?=?Data.DataLoader（
????dataset?=?train_dataset?????#torch?TensorDataset?format
????batch_size?=?batch_size??#mini?batch?size
????shuffle?=?True?????#是否打亂順序
????num_workers?=0
）


num_inputs?=?3
net?=?nn.Sequential（
????nn.Linear（num_inputs?1）
）
print（net）


#?In[11]:


init.normal_（net[0].weightmean?=?0?std?=0.01）?#normal初始化權重
init.constant_（net[0].biasval?=?0）???#contant初始化方差

#定義損失函數
loss?=?nn.MSELoss（）
#定義優化算法
optimizer?=?optim.SGD（net.parameters（）lr=0.001）

#?訓練模型
num_epochs?=?3
for?epoch?in?range（1?num_epochs?+?1）:
????for?X?y?in?data_iter:
????????output?=?net（X）
????????l?=?loss（output?y.view（-1?1））
????????optimizer.zero_grad（）
????????l.backward（）
????????opti

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????49082??2020-10-24?23:25??housing.data

?????文件????1118817??2020-11-25?15:13??實驗1.docx

?????文件???????4303??2020-10-26?20:18??exp1.py

-----------?---------??----------?-----??----

??????????????1172202????????????????????3