基于PyTorch的深度学习线性回归算法

线性模型

在本次线性回归分析中, 我们基于经典的房价数据集, 分析面积（平方米）和房龄（年）这两个关键变量的影响. 旨在探讨输出变量与输入变量之间的具体数学表达. 该模型假设输出变量与输入变量之间的关系可由以下方程描述：price = w_{area} \times area + w_{age} \times age + b

数据集

获取一批真实的统计数据,例如多个房屋的实际售价与其对应的面积及房龄等信息。我们的目标是通过分析这些数据来确定模型参数以最小化预测与实际售价之间的误差。在机器学习领域中,该数据集通常被称为训练数据集或训练集,其中每个房屋被视为一个样本实例,每个样本都有对应的实际售价数值作为标签,用来预测标签的两个重要因素称为特征变量。这些特征变量用于描述或表征这些样本的关键属性或特性。在这里我们生成了一组完整的训练数据集

    # set input feature number 
    num_inputs = 2
    # set example number
    num_examples = 1000
    
    # set true weight and bias in order to generate corresponded label
    true_w = [2, -3.4]
    tru