一般的なワークフロー

回帰学習器アプリにより回帰モデルに学習をさせる

自動,手動および並列学習など,回帰モデルの学習,比較および改善を行うためのワークフローです。

回帰問題に対するデータと検証の選択

ワークスペースまたはファイルから回帰学習器にデータをインポートし,サンプルデータセットを探し,交差検証またはホールドアウト検証オプションを選択します。

回帰モデルのオプションの選択

回帰学習器で,選択したモデルに自動的に学習をさせ,線形回帰モデル,回帰木,サポートベクターマシン,ガウス過程回帰モデル,回帰木のアンサンブルおよび回帰ニューラルネットワークのオプションを比較および調整します。

回帰学習器におけるモデルの性能評価

モデルの統計量を比較し,結果を可視化します。

新しいデータによる予測のための回帰モデルのエクスポート

回帰学習器で学習を行った後で,モデルをワークスペースにエクスポートするか,MATLAB^®コードを生成するか,予測用のCコードを生成する。

回帰学習器アプリを使用して回帰木に学習をさせる

回帰木を作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートします。

回帰学習器アプリを使用した回帰ニューラルネットワークの学習

回帰ニューラルネットワークを作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートする。

カスタマイズされたワークフロー

回帰学習器アプリの使用による特徴選択と特徴変換

プロットを使用して有用な予測子を識別し,含める特徴量を手動で選択し,回帰学習器でPCAを使用して特徴量を変換します。

回帰学習器アプリのハイパーパラメーターの最適化

ハイパーパラメーターの最適化を使用して回帰モデルのハイパーパラメーターを自動的に調整します。

回帰学習器アプリのハイパーパラメーターの最適化を使用した回帰モデルの学習

最適化されたハイパーパラメーターでアンサンブル回帰モデルに学習をさせます。

回帰学習器アプリにおける検定セットを使用したモデルの性能チェック

検定セットを回帰学習器にインポートし,最適な学習済みモデルの検定セットメトリクスをチェックする。

回帰学習器アプリのプロットのエクスポート

学習の前後で作成したプロットをエクスポートおよびカスタマイズします。