Main Content

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

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. 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 Toolbox™를 사용하려면 심층 신경망 디자이너 (Deep Learning Toolbox) 앱을 사용해 보십시오.

회귀 학습기Train regression models to predict data using supervised machine learning

함수

모두 확장

fitrnetTrain neural network regression model
compactReduce size of machine learning model
crossvalCross-validate machine learning model
kfoldLossLoss for cross-validated partitioned regression model
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldfunCross-validate function for regression
lossLoss for regression neural network
resubLossResubstitution regression loss
predictPredict responses using regression neural network
resubPredictPredict responses for training data using trained regression model

객체

RegressionNeuralNetworkNeural network model for regression
CompactRegressionNeuralNetworkCompact neural network model for regression
RegressionPartitionedModelCross-validated regression model

도움말 항목

Assess Regression Neural Network Performance

Use fitrnet to create a feedforward regression neural network model with fully connected layers, and assess the performance of the model on test data.

Train Regression Neural Networks Using Regression Learner App

Create and compare regression neural networks, and export trained models to make predictions for new data.