文件帮助中心文件
火车回归模型以预测使用监督机器学习的数据
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。
马铃薯
统计和机器学习工具箱™
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)。
MATLAB TOOLSTRIP:在应用标签,下面机器学习,单击“应用”图标。
matlab命令提示符:输入回归learner。
回归learner
展开全部
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)
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。
TBL.
responsevarname.
回归线(TBL,Y)
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。
y
回归线纳(x,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。
X
回归针师(___,名称,价值)
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。
'kfold',10
'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。
'横向'
'上'
'离开'
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'
'kfold'
'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。
Fitlm.
fitrensemble.
fitrgp.
Fitrnet.
Fitrsvm.
fitrtree.
步骤行程
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
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。
联系您当地的办公室