如何使用 Python 或 matlab 实现一个简单根据年份预测年龄的模型

[daijinming]

假如 小明 2015 年 4 岁，2016 年 5 岁，2017 年 6 岁，那 2020 年小明几岁？ 哪位高手能否指教下，如果使用 python 或 matlab 采用机器学习的方法推导出模型？

[nznd]

一时间不知道从哪里吐槽 虽然但是 深度学习确实可以做这个模型 有必要用机器学习吗？

[iblislsy]

这波啊，这波叫肉蛋充饥

[superrichman]

？？？我有很多问号
你是想找线性回归吗？

[raymanr]

就是一般的线性回归就可以了

from sklearn.linear import LinearRegression

m = LinearRegression()
m.fit([[2015],[2016],[2017],[2018]],[4,5,6,7])
m.predict([[2020]])

[Biggoldfish]

这个问题让我想起了这个图
https://twitter.com/jebbery/status/995491957559439360

[jdhao]

😂这尼玛需要机器学习？你是来钓鱼的？

[raymanr]

@raymanr 我打错了,是 sklearn.linear_model, 也不要冷嘲热讽了, 就当楼主是真的在求问吧, 谁不是一步步走过来的呢?

[daijinming]

@raymanr 真的是在求问

[capallen]

import time,random

class AgeModel():
def fit(self,year_lst,age_lst):
self.birth_year = sorted(year_lst)[0] - sorted(age_lst)[0]
print("Training...")
time.sleep(random.randint(5,10))
print("Model is ready.")

def predict(self,pred_year):
print("Predicting...")
time.sleep(random.randint(1,4))
return (pred_year - self.birth_year)

age_model = AgeModel()
age_model.fit([2015,2016,2017,2018],[4,5,6,7])
age_model.predict(2020)

（用这个模型，可以浪费你生命中的 6-14 秒）

[dcalsky]

一层 dense 即可

[Raven316]

x-2011?

[user8341]

什么叫预测啊，起码要有点随机性吧？你这个明明是一个确定性的线性函数，哪里有丝毫随机性？

[raycool]

这个不就是 y = x - 2011
直接就完美拟合了。

[daijinming]

@raycool 一般人都能推导出这个公式，我想咨询下大家，如何让机器也能推导出来，

[winstars]

@raycool #13 这已经不是拟合了吧

[jmc891205]

对楼主这个例子，可以使用 scipy 的 leastsq()，用最小二乘法来拟合一个线型函数

[daijinming]

@jmc891205 能不能给新手指教下，听着好像有道理，但是基本听不懂

[raymanr]

@daijinming 把年份视作系数矩阵, 年龄视作结果向量
year*x1+x2=age, 得到线性方程组
2015*x1+x2=4
2016*x1+x2=5
2017*x1+x2=6
2018*x1+x2=7,
然后解这个方程组得到 x1 和 x2 的值, 并用于预测

推荐可以买一些机器学习的书尝试一下手写一些常见算法就明白了一些回归和分类以及聚类的常见套路了

更深入的部分我能力有限,给不了建议

[jmc891205]

@daijinming 你随便 Google 搜一下"最小二乘法 leastsq"，很多人写过这东西了。

[Escapist367]

import torch

inputs=[]
outputs=[]
for year1 in range(1900,2020):
for year2 in range(1900,2020):
for age1 in range(0,120):
inputs.append([year1,year2,age1])
outputs.append([year2-year1+age1])

class LinearModel(torch.nn.Module):
def __init__(self):
super(LinearModel, self).__init__()
self.linear = torch.nn.Linear(3, 1)

def forward(self, inputs):
outputs = self.linear(inputs)
return outputs

model = LinearModel().cuda()
criterion = torch.nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

for epoch in range(100):
Loss=0
for i in range(len(inputs)//1000):
x=torch.tensor(inputs[i*1000:i*1000+1000]).cuda().float()
y=torch.tensor(outputs[i*1000:i*1000+1000]).cuda().float()
y_pred = model(x)
loss = criterion(y, y_pred)
optimizer.zero_grad()
loss.backward()
optimizer.step()
Loss+=loss.item()
print("Loss:%.2f"%Loss)


print("1999 年 45 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1999,2020,45]).cuda().float()))
print("1927 年 15 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1927,2020,15]).cuda().float()))
print("1979 年 77 岁的人在 2020 年为%.0f 岁"%model(torch.tensor([1979,2020,77]).cuda().float()))