신경망

회귀용 신경망

신경망 모델은 뇌에서 정보를 처리하는 방식을 반영한 일련의 계층으로 구조화되어 있습니다. Statistics and Machine Learning Toolbox™에서 사용할 수 있는 회귀 신경망 모델은 완전 연결 계층의 크기를 조정하고 계층의 활성화 함수를 변경할 수 있는 완전히 연결된 피드포워드 신경망입니다.

회귀 신경망 모델을 훈련시키려면 회귀 학습기 앱을 사용하십시오. 이 앱은 여러 유형의 완전 연결 신경망을 제공합니다. Deep Learning Toolbox™를 사용하고 있다면 사용자 지정 가능한 신경망 모델을 편집하고 훈련시킬 수도 있습니다. 자세한 내용은 Choose Model Options In Regression Learner 항목을 참조하십시오.

명령줄 인터페이스에서 fitrnet을 사용하여 회귀 신경망 모델을 훈련시키면 유연성을 높일 수 있습니다. 훈련 후에는 모델과 예측 변수 데이터를 predict에 전달하여 새로운 데이터에 대한 응답 변수를 예측할 수 있습니다.

더 복잡한 딥러닝 신경망을 만들고 Deep Learning Toolbox를 사용하려면 심층 신경망 디자이너 (Deep Learning Toolbox) 앱을 사용해 보십시오.

앱

회귀 학습기

머신러닝 지도 학습을 사용하여 데이터를 예측하도록 회귀 모델 훈련시키기

블록

RegressionNeuralNetwork Predict

신경망 회귀 모델을 사용하여 응답 변수 예측 (R2021b 이후)

함수

모두 확장

신경망 모델 만들기

`fitrnet`	Train neural network regression model
`compact`	Reduce size of machine learning model
`fitrqnet`	Train regression quantile neural network (R2024b 이후)

예측 해석하기

`lime`	Local interpretable model-agnostic explanations (LIME)
`partialDependence`	Compute partial dependence
`permutationImportance`	Predictor importance by permutation (R2024a 이후)
`plotPartialDependence`	Create partial dependence plot (PDP) and individual conditional expectation (ICE) plots
`shapley`	Shapley values

교차 검증하기

`crossval`	Cross-validate machine learning model
`kfoldLoss`	Loss for cross-validated partitioned regression model
`kfoldPredict`	Predict responses for observations in cross-validated regression model
`kfoldfun`	Cross-validate function for regression
`kfoldLoss`	Loss for cross-validated partitioned quantile regression model (R2025a 이후)
`kfoldPredict`	Predict responses for observations in cross-validated quantile regression model (R2025a 이후)
`kfoldfun`	Cross-validate function for quantile regression (R2025a 이후)

성능 측정하기

`loss`	Loss for regression neural network
`resubLoss`	Resubstitution regression loss
`loss`	Loss for quantile neural network regression model (R2024b 이후)

응답 변수 예측하기

`predict`	Predict responses using regression neural network
`resubPredict`	Predict responses for training data using trained regression model
`predict`	Predict response for quantile neural network regression model (R2024b 이후)

객체

`RegressionNeuralNetwork`	Neural network model for regression
`CompactRegressionNeuralNetwork`	Compact neural network model for regression
`RegressionPartitionedNeuralNetwork`	Cross-validated regression neural network model (R2023b 이후)
`RegressionQuantileNeuralNetwork`	Quantile neural network model for regression (R2024b 이후)
`CompactRegressionQuantileNeuralNetwork`	Compact quantile neural network model for regression (R2025a 이후)
`RegressionPartitionedQuantileNeuralNetwork`	Cross-validated quantile neural network for regression (R2026a 이후)

도움말 항목

회귀 신경망 성능 평가하기
fitrnet을 사용하여 완전 연결 계층을 가진 피드포워드 회귀 신경망 모델을 만들고, 테스트 데이터로 모델의 성능을 평가합니다.
Working with Quantile Regression Models
Estimate prediction intervals and create models that are robust to outliers by using quantile regression models.
Create Prediction Intervals Using Split Conformal Prediction
Create a prediction interval and use conformalized quantile regression to calibrate the prediction interval.
Deploy Neural Network Regression Model to FPGA/ASIC Platform
Predict in Simulink^® using a neural network regression model, and deploy the Simulink model to an FPGA/ASIC platform by using HDL code generation.