回归学习者App中的火车回归模型 - Matlab＆Simulink万博1manbetx

回归学习者应用中的列回归模型

您可以使用回归学习者培训回归模型，包括线性回归模型，回归树，高斯过程回归模型，支持向量机，回归树的集合，以及神经网络回归模型。万博1manbetx除了培训模型外，您还可以探索您的数据，选择功能，指定验证方案和评估结果。您可以将模型导出到工作区以使用新数据或生成MATLAB的模型^®用于了解程序分类的代码。

培训回归学习者模型包括两部分：

验证型号：使用验证方案培训模型。默认情况下，应用程序通过应用交叉验证来防止过度装备。或者，您可以选择HoldOut验证。在应用程序中可见验证的模型。
完整模式：在无验证的情况下在完整数据上培训模型。该应用程序与已验证的模型同时培训此模型。但是，在应用中不可见在完整数据上培训的模型。当您选择要导出到工作区的回归模型时，回归学习者导出完整模型。

该应用程序显示验证模型的结果。诊断措施，如模型准确性和诸如响应图或残差图，如响应曲线或残差绘图反映了验证的模型结果。您可以自动培训一个或多个回归模型，比较验证结果，并选择适用于您的回归问题的最佳模型。当您选择要导出到工作区的模型时，回归学习者会导出完整模型。由于回归学习者在培训期间创建了全模型的模型对象，因此在导出模型时不会遇到滞后时间。您可以使用导出的模型来对新数据进行预测。

要通过培训选择型号类型，请参阅自动回归模型培训。如果您已经知道要训练哪种回归模型，请参阅手动回归模型培训。

自动回归模型培训

您可以使用回归学习者自动在您的数据上自动培训各种不同的回归模型。

通过同时自动培训多个模型开始。您可以快速尝试各种型号，然后交互探索承诺的模型。
如果您已经知道所需的型号类型，那么您可以培训各个模型。看手动回归模型培训。

在这一点应用标签，在机器学习组，点击回归学习者。
点击新会议并从工作区或文件中选择数据。指定要用作预测器的响应变量和变量。看选择回归问题的数据和验证。
在这一点回归学习者标签，在模型类型部分，单击箭头以展开回归模型列表。选择所有速度。此选项列列出了快速适合的所有模型预设。
点击火车。

笔记

如果您有并行计算工具箱™，则可以并行培训模型。看并行回归模型培训。

选择了一系列型号类型楷模窗格。当模型完成培训时，最好的RMSE（验证）分数在一个盒子里突出显示。
点击模型中的模型楷模窗格探索地块的结果。
对于下一步，请参阅手动回归模型培训或者比较和改进回归模型。
要尝试所有可用的非优化模型预设，请单击全部，然后单击火车。

手动回归模型培训

要探索单独的模型类型，您可以一次培训模型或培训一组相同类型的模型。

选择模型类型。在这一点回归学习者标签，在模型类型部分，单击型号类型。要查看所有可用的型号选项，请单击箭头中的箭头模型类型展开回归模型列表的部分。库中的非优化模型选项是具有不同设置的预设起点，适用于一系列不同的回归问题。
要读取模型的描述，请切换到详细信息视图或将鼠标悬停在按钮上以显示其工具提示。

有关每个选项的更多信息，请参阅选择回归模型选项。
选择模型后，单击火车。
重复探索不同的型号。

小费

首先选择回归树。如果您的培训模型无法准确预测响应，则尝试具有更高灵活性的其他模型。为避免过度拟合，请查找较少的灵活模型，提供足够的准确性。
如果要尝试所有相同或不同类型的非优化模型，则选择其中一个全部在画廊中的选项。
或者，如果要自动调整特定模型类型的超级参数，请选择相应的优化模型并执行HyperParameter优化。有关更多信息，请参阅回归学习者应用中的HyperParameter优化。

对于下一步，请参阅比较和改进回归模型。

并行回归模型培训

如果您有并行计算工具箱，您可以使用回归学习者并行培训模型。并行培训允许您同时培训多个模型并继续工作。

要控制并行训练，切换使用并行App ToolStrip上的按钮。这使用并行如果有并行计算工具箱，则仅可用按钮。

第一次点击火车点击后使用并行按钮，您在应用程序打开并行工人池时会看到一个对话框。池开放后，您可以立即培训多个模型。
当模型并行培训时，您会在每个培训和排队模型上看到进度指标楷模窗格。如果需要，您可以取消各个模型。在培训期间，您可以检查模型的结果和图表，并启动更多型号的培训。

如果您有并行计算工具箱，则在回归学习者中可以使用并行培训，您无需设置使用指α.选项实例化功能。

笔记

您无法并行执行HyperParameter Optimization。该应用程序禁用使用并行选择可优化的型号时按钮。如果选择一个非优化的型号，则默认情况下按钮关闭。

比较和改进回归模型

点击模型中的模型楷模窗格探索地块中的结果。通过检查地图中的结果进行比较模型性能。检查RMSE（验证）评分报告楷模每个模型的窗格。
此外，您可以使用使用模型进行比较排序方式选项在楷模窗格。通过选择模型并单击“删除任何不需要的模型删除所选模型窗格右上角的按钮，或右键单击模型和选择删除模型。
看评估回归学习者的模型性能。
选择最佳模型楷模窗格然后尝试在模型中包含和排除不同的功能。点击功能选择。
尝试响应图来帮助您识别要删除的功能。看看您是否可以通过删除具有低预测电源的功能来改进模型。指定预测器以包含在模型中，并使用新选项培训新模型。比较模型中的结果楷模窗格。
您还可以尝试使用PCA转换功能以减少维度。
看使用回归学习者应用的功能选择和功能转换。
通过更改“高级”对话框中的“模型参数设置”进一步完善模型。然后，使用新选项列车。要了解如何控制模型灵活性，请参阅选择回归模型选项。有关如何自动调整模型参数设置的信息，请参阅回归学习者应用中的HyperParameter优化。
如果要素选择，PCA或新参数设置可提高您的型号，请尝试培训全部使用新设置的模型类型。看看新设置是否具有更好的模型类型。