在回归学习应用程序- MATLAB和Simulink - MathWorks澳大利亚训练回归模型金宝app

在回归学习者应用程序中训练回归模型

您可以使用回归学习器来训练回归模型，包括线性回归模型、回归树、高斯过程回归模型、支持向量机、回归树集合和神经网络回归模型。金宝app除了训练模型，您还可以探索数据、选择特性、指定验证方案和评估结果。您可以将模型导出到工作区，以使用带有新数据的模型或生成MATLAB^®代码以了解编程回归。

回归学习者模型的训练包括两部分:

验证模型:使用验证方案训练模型。默认情况下，应用程序通过应用交叉验证来防止过拟合。或者，您可以选择拒绝验证。经过验证的模型在应用程序中可见。
完整模型:在不进行验证的情况下对模型进行完整数据训练。该应用程序同时训练这个模型和已验证的模型。然而，在应用程序中看不到完整数据训练的模型。当你选择一个回归模型导出到工作空间时，回归学习器会导出完整的模型。

该应用程序显示验证模型的结果。诊断措施，如模型的准确性，和图，如响应图或残差图，反映验证的模型结果。您可以自动训练一个或多个回归模型，比较验证结果，并选择适合您的回归问题的最佳模型。当您选择要导出到工作区中的模型时，Regression Learner将导出完整的模型。因为Regression Learner在训练期间创建了完整模型的模型对象，所以在导出模型时不会有延迟时间。您可以使用导出的模型对新数据进行预测。

要开始训练模型类型的选择，请参见自动回归模型训练．如果你已经知道你想训练哪个回归模型，请看人工回归模型训练．

自动回归模型训练

你可以使用回归学习器在你的数据上自动训练不同的回归模型。

从同时自动训练多个模型开始。您可以快速地尝试选择一些模型，然后交互地探索有希望的模型。
如果您已经知道您想要的模型类型，那么您可以训练单独的模型。看到人工回归模型训练．

在应用程序选项卡,机器学习和深度学习组中,单击回归的学习者．
点击新会话并从工作区或文件中选择数据。指定响应变量和用作预测器的变量。看到选择回归问题的数据和验证．
在回归的学习者选项卡,模型类型部分中，单击箭头以展开回归模型列表。选择所有Quick-To-Train．这个选项训练所有的模型预设是快速适应。
点击火车．

请注意

如果您有Parallel Computing Toolbox™，您可以并行地训练模型。看到平行回归模型训练．

中显示了模型类型的选择模型窗格。当模特们完成训练后，最好RMSE(验证)分数在方框中高亮显示。
单击模型窗格并打开相应的图以查看结果。
有关下一步，请参见人工回归模型训练或比较和改进回归模型．
要尝试所有不可优化的模型预置，请单击所有，然后单击火车．

人工回归模型训练

要探索单个模型类型，您可以一次训练一个模型，或者训练一组相同类型的模型。

选择一个模型类型。在回归的学习者选项卡,模型类型节中，单击模型类型。要查看所有可用的模型选项，请单击模型类型部分以展开回归模型列表。图库中的非优化模型选项是具有不同设置的预置起点，适用于一系列不同的回归问题。
要阅读模型的描述，请切换到详细信息视图或将鼠标放在按钮上以显示其工具提示。

有关每个选项的更多信息，请参见选择回归模型选项．
选择模型后，单击火车．
重复探索不同的模式。

提示

首先选择回归树。如果您训练过的模型不能足够准确地预测响应，那么可以尝试具有更高灵活性的其他模型。为了避免过度拟合，要寻找一个灵活性较低但提供足够精度的模型。
如果您想尝试所有相同或不同类型的不可优化模型，那么选择所有在画廊的选项。
另外，如果您想自动调优特定模型类型的超参数，请选择相应的Optimizable建立超参数优化模型。有关更多信息，请参见回归学习程序中的超参数优化．

有关下一步，请参见比较和改进回归模型．

平行回归模型训练

如果你有并行计算工具箱，你可以使用回归学习器并行训练模型。并行训练允许您同时训练多个模型并继续工作。

要控制并行训练，切换使用并行按钮上的应用程序工具条。的使用并行按钮只有在您拥有并行计算工具箱时才可用。

第一次点击火车后单击使用并行按钮，当应用程序打开一个并行的工作人员池时，会显示一个对话框。泳池开放后，你可以一次训练多个模特。

当模型并行训练时，进度指示器出现在每个训练和队列模型中模型窗格。如果您愿意，您可以取消个别型号。在培训期间，您可以检查来自模型的结果和图表，并启动更多模型的培训。

如果你有并行计算工具箱，那么在回归学习器中可以使用并行训练，你不需要设置UseParallel选择的statset函数。

请注意

不能并行执行超参数优化。应用程序禁用使用并行按钮时，您选择一个可优化的模型。如果您随后选择了一个不可优化的模型，则默认关闭该按钮。

比较和改进回归模型

检查RMSE(验证)报告的分数模型窗格的每个模型。单击模型窗格并打开相应的图以查看结果。通过检查图中的结果来比较模型性能。可以重新安排图的布局，以便在多个模型之间比较结果:使用布局按钮、拖放绘图或选择Document Actions箭头提供的选项位于模型绘图选项卡的右侧。
此外，您可以使用排序选项的模型窗格。删除任何不需要的模型，方法是选择模型并单击删除选定的模型按钮，或者右键单击模型并选择删除模型．
看到评估回归学习者的模型性能．
选择最好的模型在模型窗格，然后尝试在模型中包括和排除不同的功能。点击特征选择．
请尝试响应图，以帮助您确定要删除的特性。看看是否可以通过删除预测能力低的特征来改进模型。指定模型中包含的预测器，并使用新选项培训新模型。比较了模型之间的结果模型窗格。
您还可以尝试使用PCA转换特征以降低维数。
看到使用回归学习软件进行特征选择和特征转换．
通过在“高级”对话框中更改模型参数设置进一步改进模型。然后，使用新的选项进行培训。要学习如何控制模型的灵活性，请参阅选择回归模型选项．有关如何自动调优模型参数设置的信息，请参见回归学习程序中的超参数优化．
如果特征选择、主成分分析或新的参数设置可以改进您的模型，请尝试训练所有模型类型的新设置。看看另一种模型类型是否在新的设置下表现更好。