在各种算法中选择训练和验证回归模型。对多个模型进行训练后,并排比较其验证误差,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.
这个流程图显示了在regression Learner应用程序中训练回归模型的通用工作流。
回归的学习者 | 使用监督机器学习训练回归模型来预测数据 |
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。
将数据从工作区或文件导入到Regression Learner中,找到示例数据集,并选择交叉验证或保留验证选项。
在回归学习,自动训练一个选择的模型,或比较和调整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,集成的回归树,和回归神经网络。万博1manbetx
比较模型统计数据和可视化结果。
在回归学习训练后,输出模型到工作空间,生成MATLAB®代码,或生成C代码进行预测。
创建并比较回归树,导出经过训练的模型来对新数据进行预测。
创建并比较回归神经网络,输出训练好的模型来对新数据进行预测。
识别有用的预测器使用图,手动选择特征包括,并在回归学习中使用PCA转换特征。
通过超参数优化自动调优回归模型的超参数。
训练一个具有优化超参数的回归集成模型。
将测试设置为回归学习者,并检查测试集指标,以获得最佳性能的培训型号。
导出和定制训练前后创建的地块。