问题背景

在之前提到的单层网络解决一元线性回归问题中，出租车的价格仅考虑了一个因素——里程，其他的影响因素都没有考虑。如果考虑实际问题中的多个因素，并对多个因素的影响权重进行预测，这就是多元线性回归问题。

本文将使用波士顿郊区的房价数据训练一个房价预测模型，并评估此模型的预测能力。

数据可以在这里点击下载

在对波士顿房价预测模型进行训练之前，我们先训练一个简单的多元线性回归模型，以熟悉多元线性回归的方法。

在训练完简单的Demo后，再进行波士顿房价的预测模型训练。

问题背景

已知在广州，日间出租车费用计算为：三公里内12元。超过三公里的部分2.6元/公里 不考虑候时费、返空费。

分段函数表达如下：

此时，给出x，就能够计算出y，即已知自变量和对应关系，求因变量。

而机器学习，是已知自变量、因变量，从中学习对应规则的问题。因此，假设现在获得一些乘车费用数据，通过一元线性回归方法学习对应法则。

爬虫程序

引文

假如出租车费用计算如下：

1

费用 = 2 * 里程 + 2

微表情识别研究综述

微表情识别的主流的方法：卷积神经网络(Convolutional Neural Networks, CNN)及其改进、光流法(optical flow)及其改进、局部二值模式(Local Binary Pattern, LBP)及其改进方法

张量

1. 定义

   一种特殊的数据结构，与数组和矩阵非常相似。在PyTorch中，使用张量来编码模型的输入和输出，以及模型的参数。张量类似于NumPy 的 ndarray，只是张量可以在 GPU 或其他专用硬件上运行以加速计算。

   1 2	import torch import numpy as np