このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
ニューラルネットワークモデルは,脳による情報の処理方法を反映した一連の層として構成されます。统计和机器学习工具箱™ で利用可能な回帰ニューラル ネットワーク モデルは全結合のフィードフォワード ニューラル ネットワークであり、全結合層のサイズを調整したり層の活性化関数を変更したりできます。
回帰ニューラルネットワークモデルに学習をさせるには,回帰学習器アプリを使用します。柔軟性を向上させるためには,コマンドラインインターフェイスでfitrnet
を使用して回帰ニューラルネットワークモデルに学習させます。学習後,モデルと新しい予測子データを预测
に渡すことにより,新しいデータについて応答を予測できます。
深度学习工具箱™がある場合により複雑な深層学習ネットワークを作成するには,ディープネットワークデザイナー(深度学习工具箱)アプリを試すことができます。
回帰学習器 | 教師あり機械学習を使用して,データを予測するように回帰モデルに学習をさせる |
RegressionNeuralNetwork |
回帰用のニューラルネットワークモデル |
CompactRegressionNeuralNetwork |
回帰用のコンパクトなニューラルネットワークモデル |
RegressionPartitionedModel |
交差検証済みの回帰モデル |
fitrnet
を使用して全結合層をもつフィードフォワード回帰ニューラルネットワークモデルを作成し,検定データでモデルの性能を評価する。
回帰ニューラルネットワークを作成および比較し,新しいデータについて予測を行うため学習済みモデルをエクスポートする。