Gabriel Ha,Mathworks
回归学习者应用程序允许您浏览数据,选择功能,指定验证方案,优化HyperParameters,并评估模型性能,以预测您的数据,而无需编写任何代码。
您可以将回归模型导出到MATLAB®工作区或生成MATLAB代码以将模型集成到应用程序中。
该应用程序采用语言工作流和任务,如设置验证,选择相关预测器,并选择最佳模型并调整它并使它们互动,节省您的时间。它还为您提供了完全透明的透明度,以通过自动生成代码来自动生成工作流程。
统计和机器学习工具箱中的回归学习者应用程序允许您培训多个模型,并选择最佳模型来预测数据,而无需编写任何代码。
您还可以使用该应用程序来探索您的数据,选择功能,指定验证方案,优化HyperParameters,并评估模型性能。
此示例将使用该应用程序模拟支持电网所需的电力量 - 也称为“加载” - 并使用该模型来对未来负载进行预测。金宝app
您可以在机器学习和深度学习下找到App Gallery中的回归学习者应用程序。
您还可以直接从MATLAB命令行打开它。
启动新会话,然后选择要使用的数据集。基于其中的变量的数据类型,该应用程序将自动将它们分配为预测器或作为响应。但是,如果需要,您可以随时更改其角色。您还可以取消选择无关紧要的变量,以预测响应,这将节省培训时间。
默认的自动交叉验证选项可防止过度装备。在此示例中,我们有大量数据,保持验证运行良好。
接下来,您将能够探索哪种机器学习模型与您的数据最有意义。
有许多型号可以从中选择:线性回归模型,回归树,高斯过程回归模型,支持向量机和回归树的合奏。金宝app
如果您已经了解了最适合您的数据的模型,可以一串培训,或选择一组模型培训。如果您不确定,只需选择所有,开始培训,并查看为您提供最佳初始性能的培训。
您可以在历史记录列表中看到模型以及根均值误差(或RMSE)。RMSE代表模型的性能或适用性,反对您的数据。误差越低,健身越好。该应用程序将自动突出显示最低错误的模型。
在此示例中,具有最低RMSE的模型是Matern 5/2 GPR。
选择模型时,您将能够使用各种绘图来查看有关其性能的更多详细信息。
作为示例,预测的VS实际绘图有助于您了解该特定模型对不同响应值的预测程度如何。完美的回归模型具有等于真实响应的预测响应,因此所有点都位于对角线上。从线到任何点的垂直距离是该点预测的错误。
为了进一步优化模型,您可以调整其超级参数。该应用程序将通过使用寻求最小化模型错误的优化方案来尝试不同的Hyper参数值组合。
为此,请选择与模型类型相对应的可优化模型,在这种情况下,可优化的GPR。
该应用程序将遍历GPR模型的所有这些HyperParameters组合。可视化显示如何随着评估的不同组合而降低。完成后,该应用程序将突出显示最低RMSE的最佳产品。
满足培训和调整过程后,您可以将模型导出回MATLAB工作区或生成MATLAB代码。
导出到Workspace使您可以使用培训的模型来对新数据进行预测。
生成此模型的MATLAB代码使您可以将其集成到机器学习应用程序中,并使您的同事能够快速复制结果。
要了解有关回归学习和下载示例数据集的更多信息,请单击应用程序右上角的“帮助”图标。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。