PyTorch是一种流行的深度学习框架,它提供了许多方便的工具来处理数据集并构建模型。在深度学习中,我们通常需要对训练数据进行交叉验证,以评估模型的性能和确定超参数的最佳值。本文将介绍如何使用PyTorch实现10折交叉验证。
首先,我们需要加载数据集。假设我们有一个包含1000个样本的训练集,每个样本有10个特征和一个标签。我们可以使用PyTorch的Dataset和DataLoader类来加载和处理数据集。下面是一个示例代码片段:
import torch
from torch.utils.data import Dataset, DataLoader
class MyDataset(Dataset):
def __init__(self, data):
self.data = data
def __len__(self):
return len(self.data)
def __getitem__(self, idx):
x = torch.tensor(self.data[idx][:10], dtype=torch.float32)
y = torch.tensor(self.data[idx][10], dtype=torch.long)
return x, y
data = [[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 0],
[2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 1],
...
[1000, 999, 998, 997, 996, 995, 994, 993, 992, 991, 9]]
dataset = MyDataset(data)
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
在这里,我们定义了一个名为MyDataset的自定义数据集类,它从数据列表中返回一个样本。每个样本分别由10个特征和1个标签组成。然后,我们使用Dataset和DataLoader类将数据集加载到内存中,并将其分成大小为32的批次。我们也可以选择在每个时期迭代时随机打乱数据集(shuffle=True)。
接下来,我们需要将训练集划分为10个不同的子集。我们可以使用Scikit-learn的StratifiedKFold类来将数据集划分为k个连续的折叠,并确保每个折叠中的类别比例与整个数据集相同。下面是一个示例代码片段:
from sklearn.model_selection import StratifiedKFold
kfold = StratifiedKFold(n_splits=10)
X = torch.stack([x for x, y in dataset])
y = torch.tensor([y for x, y in dataset])
for fold, (train_index, val_index) in enumerate(kfold.split(X, y)):
train_dataset = torch.utils.data.Subset(dataset, train_index)
val_dataset = torch.utils.data.Subset(dataset, val_index)
train_dataloader = DataLoader(train_dataset, batch_size=32, shuffle=True)
val_dataloader = DataLoader(val_dataset, batch_size=32, shuffle=False)
# Train and evaluate model on this fold
# ...
在这里,我们使用StratifiedKFold类将数据集划分为10个连续的折叠。然后,我们使用Subset类从原始数据集中选择训练集和验证集。最后,我们使用DataLoader类将每个子集分成批次,并分别对其进行训练和评估。
在每个折叠上训练和评估模型时,我们需要编写适当的代码。以下是一个简单的示例模型和训练代码:
import torch.nn as nn
import torch.optim as optim
class MyModel(nn.Module):
def __init__(self):
super(MyModel, self).__init__()
self.fc1 = nn.Linear(10, 64)
self.fc2 = nn.Linear(64, 2)
def forward(self, x):
x = self.fc1(x)
x = nn.functional.relu(x
) x = self.fc2(x) return x
model = MyModel() criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=0.001)
for epoch in range(10): for i, (inputs, labels) in enumerate(train_dataloader): optimizer.zero_grad()
outputs = model(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# Evaluate on validation set
with torch.no_grad():
total_correct = 0
total_samples = 0
for inputs, labels in val_dataloader:
outputs = model(inputs)
_, predicted = torch.max(outputs, 1)
total_correct += (predicted == labels).sum().item()
total_samples += labels.size(0)
accuracy = total_correct / total_samples
print(f"Fold {fold + 1}, Epoch {epoch + 1}: Validation accuracy={accuracy}")
在这里,我们定义了一个名为MyModel的简单模型,并使用Adam优化器和交叉熵损失函数进行训练。对于每个时期和每个批次,我们计算输出、损失和梯度,并更新模型参数。然后,我们使用no_grad()上下文管理器在验证集上进行评估,并计算准确性。
4. 汇总结果
最后,我们需要将10个折叠的结果合并以获得最终结果。可以使用numpy来跟踪每个折叠的测试损失和准确性,并计算平均值和标准差。以下是一个示例代码片段:
```python
import numpy as np
test_losses = []
test_accuracies = []
for fold, (train_index, test_index) in enumerate(kfold.split(X, y)):
test_dataset = torch.utils.data.Subset(dataset, test_index)
test_dataloader = DataLoader(test_dataset, batch_size=32, shuffle=False)
# Evaluate on test set
with torch.no_grad():
total_correct = 0
total_loss = 0
total_samples = 0
for inputs, labels in test_dataloader:
outputs = model(inputs)
loss = criterion(outputs, labels)
_, predicted = torch.max(outputs, 1)
total_correct += (predicted == labels).sum().item()
total_loss += loss.item() * labels.size(0)
total_samples += labels.size(0)
loss = total_loss / total_samples
accuracy = total_correct / total_samples
test_losses.append(loss)
test_accuracies.append(accuracy)
mean_test_loss = np.mean(test_losses)
std_test_loss = np.std(test_losses)
mean_test_accuracy = np.mean(test_accuracies)
std_test_accuracy = np.std(test_accuracies)
print(f"Final results: Test loss={mean_test_loss} ± {std_test_loss}, Test accuracy={mean_test_accuracy} ± {std_test_accuracy}")
在这里,我们使用Subset类创建测试集,并在每个折叠上评估模型。然后,我们使用numpy计算测试损失和准确性的平均值和标准差,并将它们打印出来。
总之,使用PyTorch实现10折交叉验证相对简单,只需使用Dataset、DataLoader、StratifiedKFold和Subset类即可。重点是编写适当的模型和训练代码,并汇总所有10个折叠的结果。这种方法可以帮助我们更好地评估模型的性能并确定超参数的最佳值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10