选择不同的算法来训练和验证回归模型。对多个模型进行训练后,将其验证误差进行比较,选择最优模型。为了帮助你决定使用哪种算法,请看在回归学习者应用程序中训练回归模型.
这个流程图显示了在回归学习者应用程序中训练回归模型的通用工作流。
回归的学习者 | 使用监督机器学习训练回归模型来预测数据 |
用于培训、比较和改进回归模型的工作流,包括自动化、手动和并行培训。
将数据从工作区或文件导入回归学习器,找到示例数据集,并选择交叉验证或坚持验证选项。
在回归学习中,自动训练模型的选择,或比较和调整线性回归模型,回归树,支持向量机,高斯过程回归模型,回归树的集合,回归神经网络的选项。金宝app
比较模型统计和可视化结果。
在回归学习器中训练后,将模型导出到工作空间中,生成MATLAB®代码,或生成C代码进行预测。
创建和比较回归树,并导出训练过的模型来预测新数据。
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。
使用图识别有用的预测器,手动选择特征包括,并在回归学习中使用PCA变换特征。
利用超参数优化技术自动调整回归模型的超参数。
训练具有优化超参数的回归集成模型。
将测试集导入回归学习器,并检查测试集度量,以获得性能最佳的训练模型。
导出和定制培训前后创建的图。