在各种算法中进行选择,以训练和验证回归模型。训练多个模型后,并排比较它们的验证错误,然后选择最佳模型。要帮助您决定使用哪种算法,请参阅在回归学习应用程序中训练回归模型.
此流程图显示了在回归学习者应用程序中培训回归模型的常见工作流。
回归学习者 | 使用监督机器学习训练回归模型预测数据 |
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。
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。
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
比较模型统计数据并可视化结果。
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。
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。
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。
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。
使用超参数优化自动调整回归模型的超参数。
训练具有优化超参数的回归系综模型。
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。
导出和自定义培训前后创建的绘图。