Выберите один из различных алгоритмов для обучения и проверки регрессионных моделей. После обучения нескольких моделей сравните их ошибки проверки, а затем выберите лучшую модель. Чтобы помочь вам решить, какой алгоритм использовать, см. раздел Модели регрессии в приложении для обучающихся регрессиям.
На этой блок-схеме показан общий рабочий процесс для обучающих регрессионных моделей в приложении Regression Learner.
| Обучающийся регрессии | Обучение регрессионных моделей прогнозированию данных с использованием контролируемого машинного обучения |
Обучайте регрессионные модели в приложении для учащегося регрессии
Рабочий процесс для обучения, сравнения и совершенствования регрессионных моделей, включая автоматизированное, ручное и параллельное обучение.
Выбор данных и проверка для проблемы регрессии
Импортируйте данные в модуль Regression Learner из рабочей области или файлов, найдите примеры наборов данных и выберите параметры перекрестной проверки или проверки удержания.
Выбрать опции регрессионной модели
В Regression Learner автоматически обучайте выбор моделей или сравнивайте и настраивайте опции линейных регрессионных моделей, регрессионных деревьев, векторных машин поддержки, гауссовых регрессионных моделей процессов, ансамблей регрессионных деревьев и регрессионных нейронных сетей.
Оценка производительности модели у учащегося с регрессией
Сравнение статистики модели и визуализация результатов.
Экспорт регрессионной модели для прогнозирования новых данных
После обучения по программе Regression Learner экспортируйте модели в рабочую область, генерируйте код MATLAB ® или код C для прогнозирования.
Обучение деревьев регрессии с помощью приложения для обучающихся регрессиям
Создание и сравнение деревьев регрессии и экспорт обученных моделей для прогнозирования новых данных.
Нейронные сети Train Regression с использованием приложения для обучения регрессии
Создание и сравнение регрессионных нейронных сетей и экспорт обученных моделей для прогнозирования новых данных.
Выбор и преобразование функций с помощью приложения для учащихся с регрессией
Определите полезные предикторы с помощью графиков, вручную выберите элементы для включения и преобразуйте элементы с помощью PCA в программе Regression Learner.
Оптимизация гиперпараметров в приложении для учащихся с регрессией
Автоматическая настройка гиперпараметров регрессионных моделей с помощью оптимизации гиперпараметров.
Модель регрессии с использованием оптимизации гиперпараметров в приложении для учащихся с регрессией
Обучение модели регрессионного ансамбля с оптимизированными гиперпараметрами.
Проверка производительности модели с помощью тестового набора в приложении для учащихся с регрессией
Импортируйте набор тестов в модуль Regression Learner и проверьте метрики набора тестов для наиболее эффективных обучаемых моделей.
Экспорт графиков в приложение для учащихся с регрессией
Экспорт и настройка графиков, созданных до и после обучения.