这个例子展示了如何使用回归学习者应用程序创建和比较各种回归神经网络模型,并将训练过的模型导出到工作空间,以对新数据进行预测。
在MATLAB®命令窗口,加载carbig
数据集,并创建一个包含不同变量的表。
负载carbigcartable =表(加速、气缸、位移,...马力,Model_Year、重量、起源、MPG);
单击应用程序选项卡,然后单击显示更多右边的箭头打开应用程序库。在机器学习和深度学习组中,单击回归的学习者.
在回归的学习者选项卡,文件部分中,点击新会话并选择从工作空间.
在“来自工作区的新会话”对话框中,选择表cartable
从数据集变量列表(如果有必要)。
如对话框所示,应用程序选择英里/加仑
作为响应,其他变量作为预测变量。对于本例,不要更改选择。
要接受默认的验证方案并继续,请单击开始会议.默认的验证选项是5倍交叉验证,以防止过拟合。
回归学习器创建响应图,记录号在x设在。
使用响应图来研究哪些变量对预测响应有用。为了可视化不同预测因素和反应之间的关系,选择中不同的变量X列表下轴.请注意哪些变量与响应最明显相关。
创建神经网络模型的选择。在回归的学习者选项卡,模型类型段,单击箭头以打开图库。在神经网络组中,单击所有的神经网络.
在培训部分中,点击火车.回归学习器训练图库中每个神经网络选项中的一个。在模型窗格,应用程序概述RMSE(验证)(均方根误差)的最佳模型。
提示
如果你有并行计算工具箱™,你可以训练所有的模型(所有的神经网络)同时选择使用并行按钮培训节之前点击火车.你点击后火车,打开并行池对话框打开并保持打开状态,同时应用程序打开并行工作人员池。在此期间,您不能与该软件进行交互。泳池开放后,应用程序会同时训练模特。
中选择一个模型模型窗格以查看结果。在回归的学习者选项卡,情节段,单击箭头以打开图库,然后单击响应在验证结果组。检查训练模型的响应图。真实的反应用蓝色表示,预测的反应用黄色表示。
请注意
验证在结果中引入了一些随机性。您的模型验证结果可能与本例中显示的结果不同。
下轴中,选择马力
并检查响应图。真实的和预测的反应现在都画出来了。显示预测误差,在预测和真实响应之间画成竖线,通过选择错误复选框。
有关当前选择的模型的更多信息,请参阅当前模型的总结窗格。检查和比较其他模型特征,如R-squared(决定系数),MAE(平均绝对误差),和预测速度。想要了解更多,请看查看和比较模型统计.在当前模型的总结窗格中,您还可以找到有关当前选择的模型类型的详细信息,例如用于训练模型的选项。
把预测的反应和真实的反应画出来。在回归的学习者选项卡,情节段,单击箭头以打开图库,然后单击预测与实际(验证)在验证结果组。使用这个图来确定回归模型对不同响应值的预测有多好。
一个完美的回归模型预测的响应等于真实的响应,所以所有的点都在一条对角线上。从直线到任意点的垂直距离就是对该点的预测误差。一个好的模型误差小,所以预测都分散在这条线附近。典型地,一个好的模型在对角线周围有一些大致对称分布的点。如果您能在图中看到任何清晰的模式,您就很可能改进您的模型。
中选择其他模型模型窗格,打开每个模型的预测与实际图,然后比较结果。看到通过改变布局来比较模型图.
在模型类型画廊,选择所有的神经网络一次。为了改进模型,要加入不同的功能。看看是否可以通过删除预测能力低的特征来改进模型。在回归的学习者选项卡,特性部分中,点击特征选择.
在“特性选择”对话框中,清除加速度和气缸将它们从预测器中排除,然后单击好吧.
在培训部分中,点击火车使用新的预测器设置来训练神经网络模型。
观察新模型模型窗格。这些模型与之前的神经网络模型相同,但只使用了七个预测器中的五个。对于每个模型,应用程序会显示使用了多少预测器。要检查使用了哪些预测器,请单击模型窗格,并咨询特征选择部分的当前模型的总结窗格。
去掉这两个特征的模型与包含所有预测因子的模型表现相当。与只使用其中一部分预测因子相比,使用所有预测因子的模型预测效果并不更好。如果数据收集非常昂贵或困难,您可能更喜欢无需一些预测器就能令人满意地执行的模型。
选择最好的模型在模型窗格并查看残差图。在回归的学习者选项卡,情节段,单击箭头以打开图库,然后单击残差(验证)在验证结果组。残差图显示了预测和真实反应之间的差异。将残差显示为线形图,在风格部分中,选择行.
下轴,选择要在上面绘图的变量x设在。选择真实的反应,预测的反应,记录号码,或你的预测之一。
典型地,一个好的模型的残差大致对称地散布在0附近。如果您能在残差中看到任何清晰的模式,您就很可能改进您的模型。
您可以尝试进一步改进最好的模型在模型窗格的高级设置。在回归的学习者选项卡,模型类型部分中,点击先进的并选择先进的.尝试改变一些设置,如完全连接图层的大小或正则化强度,然后点击好吧.然后通过单击训练新模型火车.
要了解更多关于神经网络模型设置的信息,请参见神经网络.
您可以将训练模型的完整或紧凑版本导出到工作空间。在回归的学习者选项卡,出口部分中,点击出口模式和选择出口模式或出口紧凑的模型.看到导出回归模型预测新数据.
要检查用于训练此模型的代码,请单击生成函数在出口部分。
提示
使用相同的工作流来评估和比较您可以在回归学习者中训练的其他回归模型类型。
为您的数据集训练所有不可优化的回归模型预置:
在回归的学习者选项卡,模型类型节中,单击箭头以打开回归模型库。
在开始组中,单击所有.然后,在培训部分中,点击火车.
要了解其他回归模型类型,请参见在回归学习者应用程序中训练回归模型.