回归学习者应用
交互式地训练、验证和调优回归模型
在各种算法中选择训练和验证回归模型。在训练多个模型后,将它们的验证误差并排比较,然后选择最佳模型。要帮助您决定使用哪种算法,请参见在回归学习者应用程序中训练回归模型.
这个流程图展示了在回归学习者应用程序中训练回归模型的通用工作流。
应用程序
回归的学习者 | 训练回归模型,使用监督机器学习预测数据 |
主题
通用工作流
- 在回归学习者应用程序中训练回归模型
用于训练、比较和改进回归模型的工作流程,包括自动、手动和并行训练。 - 选择回归数据或打开保存的应用程序会话
将数据从工作区或文件导入到Regression Learner中,找到示例数据集,选择交叉验证或坚持验证选项,并为测试留出数据。或者,打开以前保存的应用程序会话。 - 选择回归模型选项
在回归学习器中,自动训练选择的模型,或比较和调整线性回归模型、回归树、支持向量机、高斯过程回归模型、核近似模型、回归树的集合和回归神经网络的选项。 - 对回归学习者的模型表现进行可视化和评估
比较模型统计数据并可视化结果。 - 导出回归模型预测新数据
在Regression Learner中进行训练后,导出模型到工作空间,生成MATLAB®代码,生成用于预测的C代码,或导出用于部署的模型MATLAB生产服务器™. - 使用回归学习者应用程序训练回归树
创建和比较回归树,并导出训练过的模型,以对新数据进行预测。 - 使用回归学习者应用程序训练回归神经网络
创建并比较回归神经网络,导出训练过的模型,对新数据进行预测。 - 训练核近似模型使用回归学习者应用程序
创建和比较内核近似模型,导出训练过的模型,对新数据进行预测。
定制的工作流
- 利用回归学习者App进行特征选择和特征转换
使用图或特征排序算法识别有用的预测器,选择要包含的特征,并使用回归学习者中的PCA转换特征。 - 回归学习应用中的超参数优化
利用超参数优化自动调优回归模型的超参数。 - 在回归学习软件中使用超参数优化训练回归模型
训练具有优化超参数的回归集合模型。 - 在回归学习者应用程序中使用测试集检查模型性能
将测试集导入Regression Learner,并检查测试集指标,以获得性能最好的训练模型。 - 解释回归学习者应用程序中训练的回归模型
通过使用偏相关图确定特征如何在训练回归模型中使用。 - 导出回归学习者应用程序中的情节
导出和定制训练前后创建的图。 - 将在回归学习器中训练的模型部署到MATLAB生产服务器
在Regression Learner中训练模型,并将其导出用于部署MATLAB生产服务器.