通用工作流

在回归学习应用程序中训练回归模型

培训、比较和改进回归模型的工作流程，包括自动、手动和并行培训。

为回归问题选择数据和验证

从工作区或文件将数据导入回归学习器，查找示例数据集，然后选择交叉验证或保持验证选项。

选择回归模型选项

在回归学习器中，自动训练模型选择，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、回归树集合和回归神经网络的选项。万博1manbetx

评估回归学习者的模型性能

比较模型统计数据并可视化结果。

导出回归模型以预测新数据

经过回归学习者培训后，将模型导出到工作空间，生成MATLAB^®代码，或生成用于预测的C代码。

使用回归学习器应用程序训练回归树

创建并比较回归树，并导出经过训练的模型，以对新数据进行预测。

使用回归学习器App训练回归神经网络

创建并比较回归神经网络，导出经过训练的模型，以便对新数据进行预测。

自定义工作流

使用回归学习器应用程序进行特征选择和特征转换

使用绘图识别有用的预测值，手动选择要包含的特征，并在回归学习器中使用PCA变换特征。

回归学习程序中的超参数优化

使用超参数优化自动调整回归模型的超参数。

回归学习应用程序中的超参数优化训练回归模型

训练具有优化超参数的回归系综模型。

使用回归学习器应用程序中的测试集检查模型性能

将测试集导入回归学习器，并检查测试集度量，以获得性能最佳的训练模型。

在回归学习器应用程序中导出绘图

导出和自定义培训前后创建的绘图。