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。

选择回归问题的数据和验证

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。

选择回归模型选项

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

在回归学习器中评估模型性能

比较模型统计数据和可视化结果。

出口回归模型预测新数据

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。

使用回归学习应用程序训练回归树

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。

使用回归学习应用程序训练回归神经网络

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。

定制的工作流

使用回归学习应用程序进行特征选择和特征转换

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。

回归学习者应用中的HyperParameter优化

通过超参数优化自动调优回归模型的超参数。

在回归学习应用中使用超参数优化训练回归模型

训练一个具有优化超参数的回归集成模型。

在回归学习应用程序中使用测试集检查模型性能

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。

导出回归学习者应用程序中的图

导出和定制训练前后创建的地块。