神经网络

回归神经网络

神经网络模型是由一系列反映大脑处理信息方式的层组成的。统计学和机器学习工具箱™中提供的回归神经网络模型是完全连接的，前馈神经网络，您可以调整完全连接层的大小，并改变层的激活功能。

要训练回归神经网络模型，使用回归的学习者为了获得更大的灵活性，使用以下方法训练回归神经网络模型fitrnet在命令行界面。在培训之后，您可以通过将模型和新的预测器数据传递给，来预测对新数据的响应预测．

如果您想创建更复杂的深度学习网络并拥有深度学习工具箱™，您可以尝试深层网络设计师(深度学习工具箱)应用程序。

应用程序

使用监督机器学习训练回归模型来预测数据

`fitrnet`	训练神经网络回归模型
`紧凑的`	减少机器学习模型的规模

`损失`	回归神经网络的损失
`resubLoss`	Resubstitution回归损失

`预测`	使用回归神经网络预测反应
`resubPredict`	使用训练回归模型预测训练数据的反应

`RegressionNeuralNetwork`	回归神经网络模型
`CompactRegressionNeuralNetwork`	用于回归的紧凑神经网络模型
`RegressionPartitionedModel`	旨在回归模型

使用fitrnet建立具有全连接层的前馈回归神经网络模型，并评估模型在测试数据上的性能。

创建和比较回归神经网络，并导出训练过的模型，对新数据进行预测。

下载电子书