이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

regression

R2026a

(제거될 예정임) 목표값에 대해 얕은 신경망 출력값의 선형 회귀 수행

regression은 제거될 예정입니다. 자세한 내용은 버전 내역 항목을 참조하십시오.

구문

[r,m,b] = regression(t,y)

[r,m,b] = regression(t,y,'one')

설명

[r,m,b] = regression(t,y)는 신경망 응답의 각 요소와 그에 대응되는 목표값 사이의 선형 회귀를 계산합니다.

이 함수는 각각 총 행렬 행이 N개인 셀형 배열 또는 행렬 목표값 t와 출력값 y를 받습니다. 그런 다음 N개의 행렬 행 각각에 대해 회귀 값 r, 회귀 피팅의 기울기 m, y절편 b를 반환합니다.

[r,m,b] = regression(t,y,'one')은 회귀를 수행하기 전에 먼저 모든 행렬 행을 결합하고, 하나의 스칼라 회귀 값, 기울기 값, 오프셋 값을 반환합니다.

예제

회귀 모델을 피팅하고 목표값과 피팅된 값 플로팅하기

이 예제에서는 피드포워드 신경망을 훈련시키고 목표값과 출력값 사이의 회귀를 계산하여 플로팅하는 방법을 보여줍니다.

훈련 데이터를 불러옵니다.

[x,t] = simplefit_dataset;

1×94 행렬 x는 입력값을 포함하고, 1×94 행렬 t는 그에 대한 목표 출력값을 포함합니다.

은닉 계층 크기가 20인 피드포워드 신경망을 생성합니다.

net = feedforwardnet(20);

훈련 데이터를 사용하여 신경망 net을 훈련시킵니다.

net = train(net,x,t);

훈련된 신경망을 사용하여 목표값을 추정합니다.

y = net(x);

목표값과 출력값 사이의 회귀를 계산하여 플로팅합니다.

[r,m,b] = regression(t,y)

r = 
1.0000

m = 
1.0000

b = 
1.0878e-04

plotregression(t,y)

입력 인수

t — 목표값

행렬 | 셀형 배열

신경망 목표값으로, 행렬 또는 셀형 배열로 지정됩니다.

y — 출력값

스칼라

신경망 출력값으로, 행렬 또는 셀형 배열로 지정됩니다.

출력 인수

r — 회귀 값

스칼라

회귀 값으로, 스칼라로 반환됩니다.

m — 기울기

스칼라

회귀 피팅의 기울기로, 스칼라로 반환됩니다.

b — 오프셋

스칼라

회귀 피팅의 오프셋으로, 스칼라로 반환됩니다.

버전 내역

R2010b에 개발됨

R2026a: regression 함수는 제거될 예정임

regression 함수는 향후 릴리스에서 제거될 예정입니다.

테이블 형식 데이터를 사용하여 신경망을 훈련시키려면 다음 함수 중 하나를 사용하십시오.

• fitrnet (Statistics and Machine Learning Toolbox) — 회귀 신경망을 훈련시킵니다. 단순 회귀 작업에 이 함수를 사용하십시오.

• fitcnet (Statistics and Machine Learning Toolbox) — 분류 신경망을 훈련시킵니다. 단순 분류 작업에 이 함수를 사용하십시오.

• trainnet — 신경망을 훈련시킵니다. fitrnet 함수와 fitcnet 함수가 작업에 필요한 훈련 옵션을 제공하지 않는 경우 이 함수를 사용하십시오.

시계열 데이터를 사용하여 신경망을 훈련시키려면 다음 옵션 중 하나를 사용하십시오.

• 시계열 모델러 앱 — 시계열 데이터를 위한 신경망을 대화형 방식으로 설계하고 훈련시킵니다.

• trainnet — 신경망을 훈련시킵니다. 신경망 아키텍처나 훈련 알고리즘에 더 많은 유연성이 필요한 경우 이 함수를 사용하십시오.

이러한 워크플로에 맞게 고유한 신경망을 설계하고 사용자 지정하려면 딥러닝 계층으로 구성된 배열이나 dlnetwork 객체를 사용하여 신경망을 만들면 됩니다. 신경망을 대화형 방식으로 생성 및 편집하고 코드를 생성하려면 심층 신경망 디자이너 앱을 사용하십시오. 신경망 구축 워크플로에 대해 자세히 알아보려면 다음 예제와 항목을 참조하십시오.

• 심층 신경망 디자이너를 사용하여 신경망 구축하기

• 딥러닝 계층 목록

• Example Deep Learning Network Architectures

• 다중 입력 및 다중 출력 신경망

• 사용자 지정 딥러닝 계층 정의하기

자세한 내용은 Transition Legacy Neural Network Code to dlnetwork Workflows 항목을 참조하십시오.

R2020b: regression은 권장되지 않음

regression은 권장되지 않습니다. 선형 회귀 모델을 피팅하려면 fitlm (Statistics and Machine Learning Toolbox)을 대신 사용하십시오.

참고 항목

시계열 모델러 | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

도움말 항목

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows