Regression Learner

Обучите модели регрессии предсказывать данные с помощью машинного обучения с учителем

Описание

Приложение Regression Learner обучает модели регрессии предсказывать данные. Используя это приложение, можно исследовать данные, выбрать функции, задать схемы валидации, обучить модели и оценить результаты. Можно выполнить автоматизированное обучение искать лучший тип модели регрессии, включая модели линейной регрессии, деревья регрессии, Гауссовы модели регрессии процесса, машины опорных векторов, ансамбли деревьев регрессии и модели регрессии нейронной сети.

Выполните машинное обучение с учителем путем предоставления имеющегося набора наблюдений входных данных (предикторы) и имеющиеся отклики. Используйте наблюдения для обучения модели, которая генерирует предсказанные отклики для новых входных данных. Чтобы использовать модель с новыми данными или узнать о программируемой регрессии, можно экспортировать модель в рабочую область или сгенерировать код MATLAB®, чтобы воссоздать обученную модель.

Необходимые продукты

  • MATLAB

  • Statistics and Machine Learning Toolbox™

Примечание: Когда вы используете Regression Learner в MATLAB Online™, можно обучаться, модели в параллели с помощью кластера Центра Облака (требует Parallel Computing Toolbox™). Для получения дополнительной информации смотрите Использование Parallel Computing Toolbox с Кластером Центра Облака в MATLAB Online (Parallel Computing Toolbox).

Regression Learner app

Откройте приложение Regression Learner

  • Панель инструментов MATLAB: На вкладке Apps, под Machine Learning, кликают по значку приложения.

  • Командная строка MATLAB: Войти regressionLearner.

Программируемое использование

развернуть все

regressionLearner открывает приложение Regression Learner или приносит особое внимание на приложение, если это уже открыто.

regressionLearner(Tbl,ResponseVarName) открывает приложение Regression Learner и заполняет диалоговое окно New Session from Arguments с данными, содержавшимися в таблице Tbl. ResponseVarName аргумент в виде вектора символов или строкового скаляра, имя переменной в Tbl это содержит значения отклика. Остающиеся переменные в Tbl переменные предикторы.

regressionLearner(Tbl,Y) открывает приложение Regression Learner и заполняет диалоговое окно New Session from Arguments с переменными предикторами в таблице Tbl и значения отклика в числовом векторном Y.

regressionLearner(X,Y) открывает приложение Regression Learner и заполняет диалоговое окно New Session from Arguments с n-by-p матрица предиктора X и значения отклика n в векторном Y. Каждая строка X соответствует одному наблюдению, и каждый столбец соответствует одной переменной. Длина Y и количество строк X должно быть равным.

regressionLearner(___,Name,Value) задает опции перекрестной проверки с помощью одного или нескольких следующих аргументов значения имени в дополнение к любой из комбинаций входных аргументов в предыдущих синтаксисах. Например, можно задать 'KFold',10 использовать 10-кратную схему перекрестной проверки.

  • 'CrossVal'В виде 'on' (значение по умолчанию) или 'off', флаг перекрестной проверки. Если вы задаете 'on', затем приложение использует 5-кратную перекрестную проверку. Если вы задаете 'off', затем приложение использует валидацию перезамены.

    Можно заменить 'CrossVal' установка перекрестной проверки при помощи 'Holdout' или 'KFold' аргумент значения имени. Можно задать только один из этих аргументов за один раз.

  • 'Holdout'В виде числового скаляра в области значений [0.05 0.5], часть данных, используемых для валидации затяжки. Приложение использует остающиеся данные для обучения.

  • 'KFold'В виде положительного целого числа в области значений [2,50], количество сгибов, чтобы использовать для перекрестной проверки.

Смотрите также

Приложения

Функции

Введенный в R2017a