PyTorch深度学习实践——处理多维特征的输入

在之前的学习中，我们处理的是单特征值的输入，这篇blog我们讨论一下多维特征输入的处理。

下图所示是一个糖尿病预测的数据集，图中每一行代表一个样本（x1、.......x8表示8个特征，y表示输出），每一列表示一个特征。

由图可见，我们的模型输入变成了八维的多特征值，所以我们之前的单特征值模型已经不再适用，因为我们需要对每个特征值都进行处理。

我们模型的8个特征值都需要与其相应的权重相乘，并且加上相应的偏置。由此，我们可以通过矩阵的形式进行运算。下图中，因为逻辑回归所以还有套一个Sigmoid函数，所以我们将函数内的整体写为z(i)。

PS：pytorch提供的Sigmoid函数是以向量的形式计算的。

这里把一组的方程运算转换成矩阵运算，这样我们可以通过并行计算提高运行速度。

从代码的角度来看：

​
class Model(torch.nn.Module):
	def __init__(self):
		super(Model, self).__init__()