回归学习者应用
交互式地训练、验证和优化回归模型
选择不同的算法来训练和验证回归模型。训练后多个模型,比较他们并排验证错误,然后选择最好的模型。为了帮助你决定使用哪一个算法,明白了火车在回归学习者应用回归模型。
这个流程图显示通用工作流回归学习者训练回归模型的应用。
如果你想运行实验使用一个回归模型训练的学习者,你可以导出模型实验管理器应用程序。更多的信息,知道了出口模式从回归学习者尝试经理。
主题
通用工作流
- 火车在回归学习者应用回归模型
工作流程培训、比较和改进回归模型,包括自动、手动和并行训练。 - 选择数据回归或打开保存应用程序会话
数据导入到回归学习者从工作区或文件,找到示例数据集,选择交叉验证或抵抗验证选项,并预留数据进行测试。另外,打开之前保存应用程序会话。 - 选择回归模型选项
在回归的学习者,自动列车模型的选择,或比较和优化选项的线性回归模型,回归树,支持向量机,高斯过程回归模型,内核近似模型,回归树的集合体,回归神经网络。万博1manbetx - 可视化和性能评估模型回归的学习者
比较模型指标和可视化的结果。 - 出口回归模型预测新数据
在回归学习者训练后,模型导出到工作区,生成MATLAB®代码,为预测生成C代码,或出口模型部署MATLAB生产服务器™。 - 火车使用回归学习者应用回归树
创建和回归树进行比较,和出口训练模型对新数据进行预测。 - 回归神经网络使用回归训练学习者应用
创建和比较回归神经网络,训练和出口为新数据模型进行预测。 - 火车使用回归学习者应用内核近似模型
创建内核和比较近似模型,导出训练模型对新数据进行预测。
定制的工作流
- 特征选择和特征转换使用回归学习者应用
排名算法识别有用的预测使用土地或特性,包括选择特性,并在回归学习者使用PCA变换特性。 - Hyperparameter优化回归学习者应用
自动调整hyperparameters回归模型通过使用hyperparameter优化。 - 火车回归模型使用Hyperparameter优化回归学习者应用
火车与优化hyperparameters回归整体模型。 - 检查模型的性能在回归学习者应用使用测试集
一套测试导入回归学习者,检查的测试集指标表现最好的训练模型。 - 回归模型解释在回归学习者应用训练
确定功能是用于训练回归模型通过使用部分情节的依赖。 - 出口情节回归学习者应用
出口和定制情节训练之前和之后创建的。 - 部署模型训练回归学习者MATLAB生产服务器
火车模型回归学习者和导出部署MATLAB生产服务器。
实验管理工作流程
- 出口模式从回归学习者尝试经理
出口一个回归模型实验管理器执行多个实验。 - 优化回归模型使用实验管理器
使用不同的训练数据集,hyperparameters,可视化优化高斯过程回归(GPR)模型在实验管理器。
相关信息
- 机器学习在MATLAB
- 实验管理器应用程序(深度学习工具箱)