exponenta event banner

Обучающийся регрессии

Обучение регрессионных моделей прогнозированию данных с использованием контролируемого машинного обучения

Описание

Приложение Regression Learner обучает регрессионные модели для прогнозирования данных. С помощью этого приложения можно просматривать данные, выбирать функции, определять схемы проверки, обучать модели и оценивать результаты. Можно выполнить автоматизированное обучение поиску лучшего типа регрессионной модели, включая линейные регрессионные модели, регрессионные деревья, гауссовы регрессионные модели процессов, вспомогательные векторные машины, ансамбли регрессионных деревьев и модели нейронной сети.

Выполнение контролируемого машинного обучения путем предоставления известного набора наблюдений входных данных (предикторов) и известных ответов. Используйте наблюдения для обучения модели, которая генерирует прогнозируемые отклики для новых входных данных. Чтобы использовать модель с новыми данными или узнать о программной регрессии, можно экспортировать модель в рабочую область или создать код MATLAB ® для воссоздания обученной модели.

Необходимые продукты

  • MATLAB

  • Статистика и машинное обучение Toolbox™

Примечание.При использовании программы Regression Learner в MATLAB Online™ можно параллельно обучать модели с помощью кластера Cloud Center (требуется программа Parallel Computing Toolbox™). Дополнительные сведения см. в разделе Использование панели инструментов параллельных вычислений с кластером Cloud Center в MATLAB Online (Панель инструментов параллельных вычислений).

Regression Learner app

Откройте приложение регрессионного обучения

  • MATLAB Toolstrip: На вкладке Приложения в разделе Машинное обучение щелкните значок приложения.

  • командная строка MATLAB: Enter regressionLearner.

Программное использование

развернуть все

regressionLearner открывает приложение Regression Learner или переносит фокус на приложение, если оно уже открыто.

regressionLearner(Tbl,ResponseVarName) открывает приложение Regression Learner и заполняет диалоговое окно New Session from Arguments данными, содержащимися в таблице Tbl. ResponseVarName аргумент, указанный как вектор символов или строковый скаляр, является именем переменной в Tbl который содержит значения ответа. Остальные переменные в Tbl являются переменными предиктора.

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

regressionLearner(X,Y) открывает приложение Regression Learner и заполняет диалоговое окно New Session from Arguments матрицей предиктора n-by-p X и n значений отклика в векторе 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 параметры перекрестной проверки с использованием одного или нескольких из следующих аргументов «имя-значение» в дополнение к любой из комбинаций входных аргументов в предыдущих синтаксисах. Например, можно указать 'KFold',10 для использования 10-кратной схемы перекрестной проверки.

  • 'CrossVal', указано как 'on' (по умолчанию) или 'off', - флаг перекрестной проверки. При указании 'on'затем приложение использует пятикратную перекрестную проверку. При указании 'off', затем приложение использует проверку повторного замещения.

    Можно переопределить 'CrossVal' настройки перекрестной проверки с помощью 'Holdout' или 'KFold' аргумент «имя-значение». Одновременно можно указать только один из этих аргументов.

  • 'Holdout', указанный как числовой скаляр в диапазоне [0.05.0.5], является долей данных, используемых для проверки отсутствия. Остальные данные используются приложением для обучения.

  • 'KFold', указанное как положительное целое число в диапазоне [2,50], - количество складок, используемых для перекрестной проверки.

См. также

Приложения

Функции

Представлен в R2017a