Модели нейронной сети структурированы как серия слоев, которые отражают то, как мозг обрабатывает информацию. Регрессионные модели нейронной сети, доступные в Statistics and Machine Learning Toolbox™, полностью связаны, с feedforward нейронных сетей, для которых можно настроить размер полносвязных слоев и изменить функции активации слоев.
Чтобы обучить регрессионную модель нейронной сети, используйте Regression Learner приложение. Для большей гибкости обучите регрессионую модель нейронной сети с помощью fitrnet в интерфейсе командной строки. После обучения можно предсказать ответы для новых данных, передав модель и новые данные предиктора в predict.
Если вы хотите создать более сложные нейронные сети для глубокого обучения и иметь Deep Learning Toolbox™, можно попробовать приложение Deep Network Designer (Deep Learning Toolbox).
| Regression Learner | Обучите регрессионные модели прогнозировать данные с помощью машинного обучения с учителем |
RegressionNeuralNetwork | Модель нейронной сети для регрессии |
CompactRegressionNeuralNetwork | Компактная модель нейронной сети для регрессии |
RegressionPartitionedModel | Перекрестная проверенная регрессионая модель |
Оценка эффективности регрессионной нейронной сети
Использовать fitrnet создать модель регрессионной нейронной сети с feedforward с полносвязными слоями и оценить эффективность модели на тестовых данных.
Обучите регрессионные нейронные сети с помощью приложения Regression Learner
Создайте и сравните регрессионные нейронные сети и экспортируйте обученные модели, чтобы делать предсказания для новых данных.