在回归学习App - MATLAB & Simulink训练回归模型金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

在回归学习应用程序中训练回归模型

您可以使用回归学习器来训练回归模型，包括线性回归模型、回归树、高斯过程回归模型、支持向量机和回归树的集合。金宝app除了训练模型，您还可以探索数据、选择特征、指定验证方案和评估结果。您可以将模型导出到工作区，以使用带有新数据的模型或生成MATLAB^®了解编程分类的代码。

在回归学习者中训练一个模型包括两部分:

验证模型:用验证方案训练模型。默认情况下，应用程序通过应用交叉验证来防止过拟合。或者，您可以选择拒绝验证。验证过的模型在应用程序中可见。
完整模型:在没有验证的完整数据上训练模型。应用程序同时训练这个模型和验证过的模型。但是，在应用程序中不可见在完整数据上训练的模型。当您选择要导出到工作区的回归模型时，回归学习者将导出完整的模型。

该应用程序显示验证模型的结果。诊断措施，如模型精度，和图，如响应图或残差图反映验证的模型结果。您可以自动训练一个或多个回归模型，比较验证结果，并选择最适合您的回归问题的模型。当您选择要导出到工作区的模型时，Regression Learner将导出完整的模型。因为Regression Learner在训练过程中创建了完整模型的模型对象，所以在导出模型时不会遇到延迟时间。您可以使用导出的模型对新数据进行预测。

若要开始训练一组模型类型，请参见自动回归模型训练．如果您已经知道要训练哪个回归模型，请参见人工回归模型训练．

自动回归模型训练

您可以使用回归学习器在数据上自动训练选择的不同回归模型。

通过同时自动训练多个模型来开始。您可以快速地尝试选择的模型，然后交互式地探索有前景的模型。
如果你已经知道你想要的模型类型，那么你可以训练单个模型。看到人工回归模型训练．

在应用程序选项卡，在机器学习组中,单击回归的学习者．
点击新会话并从工作区或文件中选择数据。指定一个响应变量和用作预测器的变量。看到选择回归问题的数据和验证．
在回归的学习者选项卡，在模型类型部分中，单击箭头展开回归模型列表。选择所有Quick-To-Train．这个选项训练所有快速适应的模型预设。
点击火车．

请注意

如果你有并行计算工具箱™，应用程序训练模型并行。看到并行回归模型训练．

一个模型类型的选择出现在History列表中。当模特完成训练，最好的RMSE分数在方框中突出显示。
单击History列表中的模型以探索图中的结果。
有关后续步骤，请参见人工回归模型训练或比较和改进回归模型．
若要尝试所有可用的不可优化模型预设，请单击所有，然后按火车．

人工回归模型训练

要探索单个模型类型，您可以一次训练一个模型，也可以训练同一类型的一组模型。

选择一个模型类型。在回归的学习者选项卡，在模型类型部分，单击模型类型。中的箭头，以查看所有可用的型号选项模型类型部分展开回归模型列表。图库中的不可优化模型选项是具有不同设置的预设起点，适用于一系列不同的回归问题。
要阅读模型的描述，请切换到详细信息视图或将鼠标悬停在按钮上以显示其工具提示。

有关每个选项的详细信息，请参见选择回归模型选项．
选择型号后，单击火车．
重复以探索不同的模型。

提示

首先选择回归树。如果你训练过的模型不能足够准确地预测响应，那么尝试其他具有更高灵活性的模型。为了避免过度拟合，请寻找灵活性较低但提供足够精度的模型。
如果您想尝试相同或不同类型的所有不可优化模型，请从所有图库中的选项。
或者，如果您想自动优化特定模型类型的超参数，请选择相应的超参数Optimizable建模并执行超参数优化。有关更多信息，请参见回归学习应用中的超参数优化．

有关后续步骤，请参见比较和改进回归模型．

并行回归模型训练

如果您有并行计算工具箱，您可以使用回归学习器并行地训练模型。当你训练模型时，应用程序会自动启动一个并行工作池，除非你关闭默认的并行首选项自动创建并行池．如果一个泳池已经开放，应用程序就会使用它进行训练。并行训练允许您同时训练多个模型并继续工作。

第一次点击火车，你会看到一个对话框，同时应用程序打开了一个并行工作池。池打开后，你可以一次训练多个模型。
当模型并行训练时，您将在History列表中看到每个训练模型和队列模型的进度指示器。如果你愿意，你可以取消个别型号。在训练过程中，您可以检查模型的结果和图，并开始更多模型的训练。

要控制并行训练，请切换使用并行按钮。(使用并行按钮只有当你有并行计算工具箱时才可用。)

如果您有并行计算工具箱，则可以在回归学习器中进行并行训练，并且不需要设置UseParallel选项statset函数。如果您关闭了并行首选项自动创建并行池，那么该应用程序不会在没有请求的情况下为你启动一个池。

请注意

不能并行执行超参数优化。应用程序会禁用使用并行按钮，以选择可优化的模型。如果您随后选择了一个不可优化的模型，该按钮默认情况下是关闭的。

比较和改进回归模型

单击History列表中的模型以查看图中的结果。通过检查图中的结果来比较模型性能。检查RMSE在每个模型的历史列表中报告的分数。看到评估回归学习者的模型性能．
在历史记录列表中选择最佳模型，然后尝试在模型中包含和排除不同的特性。点击特征选择．
尝试响应图来帮助您确定要删除的特征。看看是否可以通过去除低预测能力的特征来改进模型。指定要包含在模型中的预测器，并使用新选项训练新模型。比较History列表中模型之间的结果。
你也可以尝试用PCA转换特征来降低维数。
看到使用回归学习应用程序进行特征选择和特征转换．
通过在“高级”对话框中更改模型参数设置来进一步改进模型。然后，使用新的选项进行训练。要了解如何控制模型灵活性，请参见选择回归模型选项．有关如何自动调优模型参数设置的信息，请参见回归学习应用中的超参数优化．
如果特征选择、PCA或新参数设置可以改善模型，请尝试训练所有使用新设置建模类型。看看是否有其他模型类型在新设置下表现更好。