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者来培训回归模型，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。金宝app除了培训模型之外，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®用于了解程序回归的代码。
培训回归学习者的模型由两部分组成：
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列出此模型。但是，在应用程序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，回归学习者会导出完整模型。
该应用程序显示验证模型的结果。诊断措施，如模型精度，以及诸如响应图或残差图之类的图，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，回归学习者导出完整模型。由于回归学习者在培训期间创建完整模型的模型对象，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。
要开始训练模型类型的选择，请参见自动回归模型培训。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，然后交互探索有前途的模型。
如果您已经知道所需的模型类型，那么您可以培训各个模型。看手动回归模型培训。
在这方面应用标签，在机器学习和深度学习组，点击回归的学习者。
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。看选择回归问题的数据和验证。
在这方面回归的学习者标签，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。
选择了一系列模型类型楷模窗格。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并打开相应的图表以探索结果。
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
要探索个人模型类型，您可以一次培训一个模型或培训一组相同类型的模型。
选择模型类型。在这方面回归的学习者标签，在模型类型部分，单击模型类型。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。图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。
提示
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。为避免过度装备，请查看更少的灵活模型，提供足够的精度。
如果您想尝试所有相同或不同类型的不可优化模型，那么选择全部在画廊中的选项。
或者，如果要自动调整特定型号类型的超参数，请选择相应的优化模型并执行HyperParameter优化。有关更多信息，请参阅回归学习程序中的超参数优化。
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App ToolStrip上的按钮。这使用并行仅当您有并行计算工具箱时，才可使用按钮。
第一次点击火车后单击使用并行按钮，在应用程序打开并行工人池时，将显示一个对话框。池开放后，您可以立即培训多个模型。
当模型并行培训时，进度指示符显示在每个培训和排队模型上楷模窗格。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。如果您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
检查RMSE（验证）评分报告楷模每个模型的窗格。点击模型中的模型楷模窗格并打开相应的图表以探索结果。通过检查地块中的结果进行比较模型性能。您可以重新排列绘图的布局，以比较多种模型的结果：使用选项布局按钮，拖放绘图，或选择文档操作箭头提供的选项
位于模型绘图标签的右侧。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。
选择最好的模型在楷模窗格然后尝试在模型中尝试并排除不同的功能。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功率的功能来改进模型。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。
通过在“高级”对话框中更改模型参数设置，进一步完善模型。然后，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，请参阅回归学习程序中的超参数优化。
如果要素选择，PCA或新参数设置可提高您的模型，请尝试培训全部
使用新设置的模型类型。看看新设置是否更好地表现了另一种型号。
提示
为避免过度装备，请查看更少的灵活模型，提供足够的精度。例如，寻找简单的模型，例如快速且易于解释的回归树。如果您的模型不够准确，则尝试具有更高灵活性的其他模型，例如集合。要了解模型灵活性，请参阅选择回归模型选项。
这个数字显示了应用程序楷模包含各种回归模型类型的窗格。
对于逐步的示例，比较不同的回归模型，请参阅使用回归学习者的火车回归树。
接下来，您可以生成代码以将模型与不同的数据或导出培训的模型培训到工作空间以使预测使用新数据进行预测。看导出回归模型以预测新数据。
相关的话题
您还可以从以下列表中选择一个网站：
