在各种算法中选择训练和验证回归模型。在训练多个模型后,将它们的验证误差并排比较,然后选择最佳模型。要帮助您决定使用哪种算法,请参见在回归学习应用程序中训练回归模型.
这个流程图展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 |
用于训练、比较和改进回归模型的工作流,包括自动、手动和并行训练。
将数据从工作区或文件导入到Regression Learner,找到示例数据集,并选择交叉验证或拒绝验证选项。
在回归学习器中,自动训练选择的模型,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、回归树集合和回归神经网络的选项。金宝app
比较模型统计数据并可视化结果。
在回归学习者中训练后,导出模型到工作空间,生成MATLAB®代码,生成用于预测的C代码,或导出用于部署的模型MATLAB生产服务器.
创建和比较回归树,并导出训练好的模型,以对新数据进行预测。
创建并比较回归神经网络,并导出训练过的模型,以对新数据进行预测。
使用图表识别有用的预测因子,手动选择要包含的特征,并在回归学习者中使用PCA转换特征。
利用超参数优化自动调优回归模型的超参数。
用优化的超参数训练回归集成模型。
将测试集导入到Regression Learner中,并检查测试集指标,以获得表现最佳的训练模型。
导出和定制培训前后创建的图。
在回归学习器中训练模型,并将其导出以部署到MATLAB制作服务器.