回归学习者

火车回归模型以预测使用监督机器学习的数据

展开所有页面

描述

这回归学习者App Trains回归模型来预测数据。使用此应用程序，您可以探索您的数据，选择功能，指定验证方案，列车模型和评估结果。您可以执行自动培训以搜索最佳回归模型类型，包括线性回归模型，回归树，高斯过程回归模型，支持向量机，回归树的合奏，以及神经网络回归模型。金宝app

通过提供关于输入数据（预测器）和已知响应的已知观察集来执行监督机器学习。使用观察来培训生成预测响应的新输入数据的模型。要使用新数据的模型，或者了解程序性回归，可以将模型导出到工作区或生成matlab^®代码重新创建培训的模型。

笔记：当您使用回归学习者Matlab Online™，您可以使用云中心群集并行培训模型（需要并行计算工具箱™）。有关更多信息，请参阅在Matlab Online中使用与云中心群集的并行计算工具箱（并行计算工具箱）。

回归learner如果已经打开，打开回归学习者应用程序或将焦点焦点到应用程序。

回归线（TBL，ResponseVarname）打开回归学习者应用程序，并填充来自参数对话框的新会话，其中包含表中包含的数据TBL.。这responsevarname.参数指定为字符向量或字符串标量，是变量的名称TBL.包含响应值。剩余的变量TBL.是预测变量。

回归线（TBL，Y）打开回归Learner应用程序，并使用表中的预测器变量填充来自参数对话框的新会话TBL.和数字矢量中的响应值y。

回归线纳（x，y）打开回归学习者应用程序，并填充来自参数对话框的新会话N-经过-P.预测矩阵X和N向量中的响应值y。每一排X对应于一个观察，并且每列对应于一个变量。长度y和行的数量X必须是平等的。

回归针师（___，名称，价值）除了先前语法中的任何输入参数组合之外，使用以下一个或多个名称值参数指定交叉验证选项。例如，您可以指定'kfold'，10使用10倍的交叉验证方案。

'横向'，指定为'上'（默认）或'离开'，是交叉验证标志。如果您指定'上'，那么该应用程序使用5倍交叉验证。如果您指定'离开'，然后该应用程序使用重新提交验证。
你可以覆盖'横向'通过使用交叉验证设置'坚持'或者'kfold'名称值参数。您可以一次指定这些参数中的一个。
'坚持'，指定为范围内的数字标量[0.05,0.5]，是用于阻止验证的数据的分数。该应用程序使用剩余的培训数据。
'kfold'，指定为范围的正整数[2,50]，是用于交叉验证的折叠数。