我有一个帖子，我需要尽可能地预测最终分数。
显然使用curve_fit应该可以解决问题，尽管我并不是很了解如何使用它。
我有两个已知的值，它们是在帖子发布2分钟后收集的。
这些是评论计数（称为n_comments）和投票计数（称为）n_votes。
一个小时后，我再次检查该帖子，并获得final_score（所有投票的总和）值，这是我想要预测的值。
我在网上查看了不同的示例，但是它们都使用多个数据点（我只有2个），而且，我的初始数据点包含更多信息（n_votes和n_comments），因为我发现没有其他数据则无法准确预测分数。
要使用curve_fit您需要一个功能。我的看起来像这样：
def func(datapoint,k,t,s):
return ((datapoint[0]*k+datapoint[1]*t)*60*datapoint[2])*s
样本数据点如下所示：
[n_votes, n_comments, hour]
这是我的尝试的零星混乱，结果看起来根本不正确。
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
initial_votes_list = [3, 1, 2, 1, 0]
initial_comment_list = [0, 3, 0, 1, 64]
final_score_list = [26,12,13,14,229]
# Those lists contain data about multiple posts; I want to predict one at a time, passing the parameters to the next.
def func(x,k,t,s):
return …我在这里搜索过,但我发现只有过时的帖子.
我想在我的GPU上运行培训.我在一些论坛上发现我需要应用.cuda()任何我想要使用CUDA的东西(我已经把它应用到了我能做的一切而不会让程序崩溃)令人惊讶的是,这使得训练更加缓慢.
然后,我发现你可以使用它torch.set_default_tensor_type('torch.cuda.FloatTensor')来使用CUDA.启用后,没有任何变化.怎么了？
有没有办法在整个模型上可靠地启用CUDA？
编辑:这被标记为重复.事实并非如此.我链接的帖子没有回答我的所有问题.
还有什么MyModel()意思呢？我需要更多有形的例子,比如代码示例. (这是我指的帖子)
我正在尝试预测互联网发布的趋势。
发布2分钟后，我可以获得该帖子的评论和投票数（可以更改，但应该足够了）。
目前，我使用以下公式：
predicted_votes = (votes_per_minute + n_comments * 60 * h) * k
然后我k通过实验找到了。我收到了发布数据，请等待一个小时，然后执行
k = (older_k + actual_votes/predicted_votes) / 2
等等。这种作品。准确性非常低（40-50％），但它使我对帖子的反应情况有了一个大概的了解。
我想知道是否可以采用更复杂的方程式，例如：
predicted_votes = ((votes_per_minute * x + n_comments * y) * 60 * hour) * k # Hour stands for 'how many hours to predict'
然后优化参数以使其更好一些。
我假设我可以使用机器学习，尽管我没有可用的GPU（是的，我在集成显卡上运行，怪莫哈韦），所以我正在尝试这种方法。
因此，问题归结为：如何优化这些参数（k,x,y）以获得更好的精度？
编辑：
我试着按照@Alexis所说的去做，这就是我现在的位置：
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
initial_votes_list = [1.41, 0.9, 0.94, 0.47, 0]
initial_comment_list = [0, 3, …