Модели нейронной сети структурированы как серия слоев, которые отражают путь мозговая информация о процессах. Модели нейронной сети регрессии, доступные в Statistics and Machine Learning Toolbox™, полностью соединяются, нейронные сети прямого распространения, для которых можно настроить размер полносвязных слоев и изменить функции активации слоев.
Чтобы обучить модель нейронной сети регрессии, используйте приложение Regression Learner. Для большей гибкости обучите использование модели нейронной сети регрессии fitrnet
в интерфейсе командной строки. После обучения можно предсказать ответы для новых данных путем передачи модели и новых данных о предикторе к predict
.
Если вы хотите создать более комплексные нейронные сети для глубокого обучения и иметь Deep Learning Toolbox™, можно попробовать приложение Deep Network Designer (Deep Learning Toolbox).
Regression Learner | Обучите модели регрессии предсказывать данные с помощью машинного обучения с учителем |
RegressionNeuralNetwork | Модель нейронной сети для регрессии |
CompactRegressionNeuralNetwork | Компактная модель нейронной сети для регрессии |
RegressionPartitionedModel | Перекрестная подтвержденная модель регрессии |
Оцените эффективность нейронной сети регрессии
Использование fitrnet
создать модель нейронной сети регрессии прямого распространения с полносвязными слоями и оценить эффективность модели на тестовых данных.
Обучите нейронные сети регрессии Используя приложение Regression Learner
Создайте и сравните нейронные сети регрессии и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.