Примите решение среди различных алгоритмов обучить и подтвердить модели регрессии. После учебных многоуровневых моделей сравните их ошибки валидации рядом друг с другом, и затем выберите лучшую модель. Чтобы помочь вам решить который алгоритм использовать, смотрите, Обучают Модели Регрессии в Приложении Regression Learner.
Эта блок-схема показывает общий рабочий процесс для учебных моделей регрессии в приложении Regression Learner.
| Regression Learner | Обучите модели регрессии предсказывать данные с помощью машинного обучения с учителем |
Обучите модели регрессии в приложении Regression Learner
Рабочий процесс для обучения, выдерживая сравнение и улучшая модели регрессии, включая автоматизированное, ручное, и параллельное обучение.
Выберите Data и Validation for Regression Problem
Импортируйте данные в Regression Learner из рабочей области или файлов, найдите наборы данных в качестве примера и выберите перекрестную проверку или опции валидации затяжки.
Выберите Regression Model Options
В Regression Learner автоматически обучите выбор моделей, или сравните и настройте опции моделей линейной регрессии, деревьев регрессии, машин опорных векторов, Гауссовых моделей регрессии процесса, ансамблей деревьев регрессии и нейронных сетей регрессии.
Оцените производительность модели в Regression Learner
Сравните статистику модели и визуализируйте результаты.
Экспортируйте модель регрессии, чтобы предсказать новые данные
После обучения в Regression Learner, моделях экспорта к рабочей области, генерируют MATLAB® код, сгенерируйте код С для предсказания или экспортируйте модели для развертывания на MATLAB Production Server™.
Обучите деревья регрессии Используя приложение Regression Learner
Создайте и сравните деревья регрессии и экспортируйте обученные модели, чтобы сделать предсказания для новых 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.
Выбор признаков и преобразование функции Используя приложение Regression Learner
Идентифицируйте полезные предикторы с помощью графиков, вручную избранные функции, чтобы включать, и преобразовать функции с помощью PCA в Regression Learner.
Гипероптимизация параметров управления в приложении Regression Learner
Автоматически настройте гиперпараметры моделей регрессии при помощи гипероптимизации параметров управления.
Обучите модель ансамбля регрессии оптимизированными гиперпараметрами.
Проверяйте производительность модели Используя набор тестов в приложении Regression Learner
Импортируйте набор тестов в Regression Learner и проверяйте, что метрики набора тестов для лучшего выполнения обучили модели.
Экспортируйте графики в приложении Regression Learner
Экспортируйте и настройте графики, созданные до и после обучения.
Разверните модель, обученную в Regression Learner к MATLAB Production Server
Обучите модель в Regression Learner и экспортируйте его для развертывания на MATLAB Production Server.
