Gabriel Ha,Mathworks
回归学习者应用程序允许您浏览数据,选择功能,指定验证方案,优化HyperParameters,并评估模型性能,以预测您的数据,而无需编写任何代码。
您可以将回归模型导出到MATLAB®工作空间或生成MATLAB代码集成模型到应用程序。
该应用程序采用语言工作流和任务,如设置验证,选择相关预测器,并选择最佳模型并调整它并使它们互动,节省您的时间。它还为您提供了完全透明的透明度,以通过自动生成代码来自动生成工作流程。
统计和机器学习工具箱中的回归学习者应用程序允许您培训多个模型,并选择最佳模型来预测数据,而无需编写任何代码。
您还可以使用该应用程序来探索您的数据,选择功能,指定验证方案,优化HyperParameters,并评估模型性能。
这个例子将使用应用程序来模拟支持一个电网所需的电量——也称为“负荷”——并使用该模型来预测未来的负荷。万博1manbetx
您可以在机器学习和深度学习下找到App Gallery中的回归学习者应用程序。
您也可以直接从MATLAB命令行打开它。
启动一个新会话,然后选择要使用的数据集。根据其中变量的数据类型,应用程序会自动将它们分配为预测或响应。但是,如果需要,您可以随时更改它们的角色。您还可以取消选择与预测响应无关的变量,这将节省培训时间。
默认的自动交叉验证选项可防止过度装备。在此示例中,我们有大量数据,保持验证运行良好。
接下来,您将能够探索哪种机器学习模型与您的数据最有意义。
有许多型号可以从中选择:线性回归模型,回归树,高斯过程回归模型,支持向量机和回归树的合奏。万博1manbetx
如果您已经了解了最适合您的数据的模型,可以一串培训,或选择一组模型培训。如果您不确定,只需选择所有,开始培训,并查看为您提供最佳初始性能的培训。
您可以在历史记录列表中看到模型以及均方根误差(或RMSE)。RMSE表示模型对数据的性能或适应性。误差越低,适应度越好。应用程序将自动突出显示错误最少的模型。
在此示例中,具有最低RMSE的模型是Matern 5/2 GPR。
选择模型时,您将能够使用各种绘图来查看有关其性能的更多详细信息。
例如,预测与实际图可以帮助您了解这个特定模型对不同响应值的预测效果。一个完美回归模型的预测响应等于真实响应,所以所有的点都在一条对角线上。直线到任意点的垂直距离就是对该点的预测误差。
要进一步优化模型,可以调优其超参数。该应用程序将通过使用一个优化方案来尝试不同的超参数值组合,以最小化模型误差。
为此,选择与您的模型类型相对应的Optimizable模型,在本例中是Optimizable GPR。
该应用程序将遍历GPR模型的所有这些HyperParameters组合。可视化显示如何随着评估的不同组合而降低。完成后,该应用程序将突出显示最低RMSE的最佳产品。
在您对训练和调优过程感到满意之后,您可以将模型导出到MATLAB工作区或生成MATLAB代码。
导出到Workspace使您可以使用培训的模型来对新数据进行预测。
生成此模型的MATLAB代码使您可以将其集成到机器学习应用程序中,并使您的同事能够快速复制结果。
要了解更多关于回归学习和下载示例数据集,请单击应用程序右上角的帮助图标。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
该网站使用cookies来改善您的用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解关于cookies的更多信息以及如何更改设置。