在回归学习应用程序中训练回归模型
你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、核逼近、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、选择特征、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®学习编程回归的代码。
在回归学习者中训练一个模型包括两部分:
验证模型: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。验证过的模型在应用程序中可见。
完整模型:在不包括测试数据的完整数据上训练模型。应用程序同时训练这个模型和验证过的模型。但是，在应用程序中不可见在完整数据上训练的模型。当您选择要导出到工作区的回归模型时，回归学习者将导出完整的模型。
请注意
该应用程序不使用测试数据进行模型训练。从应用程序导出的模型在完整数据上进行训练，不包括任何用于测试的数据。
该应用程序显示验证模型的结果。诊断措施，如模型精度，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，并选择最适合您的回归问题的模型。当您选择要导出到工作区的模型时，Regression Learner将导出完整的模型。因为Regression Learner在训练过程中创建了完整模型的模型对象，所以在导出模型时不会遇到延迟时间。您可以使用导出的模型对新数据进行预测。
若要开始训练一组模型类型，请参见自动回归模型训练．如果您已经知道要训练哪个回归模型，请参见人工回归模型训练．
自动回归模型训练
您可以使用回归学习器在数据上自动训练选择的不同回归模型。
通过同时自动训练多个模型来开始。您可以快速地尝试选择的模型，然后交互式地探索有前景的模型。
如果你已经知道你想要的模型类型，那么你可以训练单个模型。看到人工回归模型训练．
在应用程序选项卡，在机器学习和深度学习组中,单击回归的学习者打开回归学习者应用程序。
在回归的学习者选项卡，在文件部分中,点击新会话并从工作区或文件中选择数据。指定一个响应变量和用作预测器的变量。或者,单击开放打开以前保存的应用程序会话。看到选择回归数据或打开保存的应用程序会话．
在模型部分中，单击箭头展开回归模型列表。选择所有Quick-To-Train．这个选项训练所有快速适应的模型预设。
在火车部分中,点击火车都并选择火车都．
请注意
如果您有并行计算工具箱™，应用程序默认情况下并行训练模型。看到并行回归模型训练．
类型中出现模型类型的选择模型窗格。当模特完成训练，最好的RMSE(验证)分数用方框标出。
在模型窗格并打开相应的图以查看结果。
若要尝试所有可用的不可优化模型预设，请单击所有在模型部份回归的学习者选项卡。
在火车部分中,点击火车都并选择选择火车．
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，也可以分组训练模型。
选择一个模型类型。在回归的学习者选项卡，在模型部分，单击模型类型。中的箭头，以查看所有可用的型号选项模型部分展开回归模型列表。图库中的不可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。
要阅读模型的描述，请切换到详细信息视图。
有关每个选项的详细信息，请参见选择回归模型选项．
选择模型后，可以对模型进行训练。在火车部分中,点击火车都并选择选择火车．重复此过程以探索不同的模型。
或者，您可以创建几个草稿模型，然后将模型作为一个组进行训练。在火车部分中,点击火车都并选择火车都．
提示
首先选择回归树。如果你训练过的模型不能足够准确地预测响应，那么尝试其他具有更高灵活性的模型。为了避免过度拟合，请寻找灵活性较低但提供足够精度的模型。
如果您想尝试相同或不同类型的所有不可优化模型，请从所有的选项。模型画廊。
或者，如果您想自动优化特定模型类型的超参数，请选择相应的超参数Optimizable建模并执行超参数优化。有关更多信息，请参见回归学习应用中的超参数优化．
有关后续步骤，请参见比较和改进回归模型．
并行回归模型训练
如果您有并行计算工具箱，您可以使用回归学习器并行地训练模型。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，请切换使用并行按钮。火车部份回归的学习者选项卡。要并行地训练草稿模型，请确保在单击之前已打开该按钮火车都．的使用并行按钮只有当您有并行计算工具箱时才可用。
的使用并行按钮默认开启。第一次点击火车都并选择火车都或选择火车时，会显示一个对话框，同时应用程序打开一个并行工作池。池打开后，你可以一次训练多个模型。
模型并行训练时，进度指示器出现在每个训练和队列模型上模型窗格。如果你愿意，你可以取消个别型号。在训练过程中，您可以检查模型的结果和图，并开始更多模型的训练。
如果您有并行计算工具箱，则并行训练可用于回归学习器中的不可优化模型，并且您不需要设置UseParallel选项statset函数。
请注意
即使您没有并行计算工具箱，您也可以在模型训练期间保持应用程序的响应。在训练草稿模型之前，对回归的学习者选项卡，在火车部分中,点击火车都并确保使用背景培训选中复选框。然后，选择火车都选择。当应用程序打开一个后台池时，会显示一个对话框。泳池开放后，当模特在后台训练时，你可以继续与应用程序互动。
比较和改进回归模型
检查RMSE(验证)在模型窗格的每个模型。在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。方法中的选项，可以重新排列图的布局，以比较多个模型的结果布局按钮，拖放图，或者选择位于模型图选项卡右侧的Document Actions箭头所提供的选项。
此外，还可以使用排序的选项。模型窗格。删除任何不需要的模型，选择模型并单击删除所选模型按钮，单击删除在模型部份回归的学习者选项卡，或右键单击模型并选择删除．
选择最好的模型模型窗格，然后尝试在模型中包含和排除不同的特性。
首先，创建模型的副本。选择模型后，单击重复的在模型部份回归的学习者选项卡或右键单击模型并选择重复的．
然后,单击特征选择在选项部份回归的学习者选项卡。使用现有的特征排序算法选择特征。
尝试响应图来帮助您确定要删除的特征。看看是否可以通过去除低预测能力的特征来改进模型。指定要包含在模型中的预测器，并使用新选项训练新模型。比较模型之间的结果模型窗格。
你也可以尝试用PCA转换特征来降低维数。点击主成分分析在选项部份回归的学习者选项卡。
为了进一步改进模型，您可以复制它，更改中的超参数选项模型Hyperparameters模型剖面总结选项卡，然后使用新选项训练模型。要了解如何控制模型灵活性，请参见选择回归模型选项．有关如何自动调优模型超参数的信息，请参见回归学习应用中的超参数优化．
如果特征选择、PCA或新的超参数值可以改善模型，请尝试训练所有使用新设置建模类型。看看是否有其他模型类型在新设置下表现更好。
提示
为了避免过度拟合，请寻找灵活性较低但提供足够精度的模型。例如，寻找简单的模型，例如快速且易于解释的回归树。如果您的模型不够精确，那么请尝试其他具有更高灵活性的模型，例如集合。要了解模型灵活性，请参见选择回归模型选项．
该图显示了带有模型包含各种回归模型类型的窗格。
有关比较不同回归模型的逐步示例，请参见使用回归学习应用程序训练回归树．
接下来，您可以生成代码来使用不同的数据训练模型，或者将训练好的模型导出到工作区，以便使用新数据进行预测。看到导出回归模型预测新数据．
相关的话题
您也可以从以下列表中选择一个网站: