회귀 학습기 앱

회귀 모델을 대화형 방식으로 훈련, 검증, 조정

다양한 알고리즘 중에서 회귀 모델을 훈련시키고 검증할 알고리즘을 선택할 수 있습니다. 여러 모델을 훈련시킨 후 검증 오차를 나란히 비교한 다음 최적의 모델을 선택합니다. 어떤 알고리즘을 사용할지 결정하는 데 도움이 필요하다면 회귀 학습기 앱에서 회귀 모델 훈련시키기 항목을 참조하십시오.

다음 플로우 차트는 회귀 학습기 앱에서 회귀 모델을 훈련시키는 일반적인 워크플로를 보여줍니다.

Workflow in the Regression Learner app. Step 1: Select data and validation. Step 2: Choose regression model options. Step 3: Train a regression model. Step 4: Assess the regression model performance. Step 5: Export the regression model.

회귀 학습기에서 학습시킨 모델 중 하나를 사용하여 실험을 실행하려는 경우 해당 모델을 실험 관리자 앱으로 내보낼 수 있습니다. 자세한 내용은 Export Model from Regression Learner to Experiment Manager 항목을 참조하십시오.

앱

회귀 학습기	머신러닝 지도 학습을 사용하여 데이터를 예측하도록 회귀 모델 훈련시키기
실험 관리자	Design and run experiments to train and compare machine learning models (R2023a 이후)

도움말 항목

일반 워크플로

회귀 학습기 앱에서 회귀 모델 훈련시키기
자동화된 훈련, 수동 훈련, 병렬 훈련 등 회귀 모델을 훈련시키고 비교하고 향상시킬 수 있는 워크플로입니다.
회귀를 위한 데이터를 선택하거나 저장한 앱 세션 열기
작업 공간 또는 파일에서 회귀 학습기로 데이터를 가져오고, 예제 데이터 세트를 찾고, 교차 검증 또는 홀드아웃 검증 옵션을 선택하고, 검정에 사용할 데이터를 별도로 남겨둡니다. 또는 이전에 저장한 앱 세션을 엽니다.
Choose Regression Model Options
In Regression Learner, automatically train a selection of models, or compare and tune options of linear regression models, regression trees, support vector machines, Gaussian process regression models, kernel approximation models, ensembles of regression trees, and regression neural networks.
회귀 학습기의 모델 성능 시각화 및 평가하기
모델 메트릭을 비교하고 결과를 시각화합니다.
Export Regression Model to Predict New Data
After training in Regression Learner, export models to the workspace and Simulink^®, generate MATLAB^® code, generate C code for prediction, or export models for deployment to MATLAB Production Server™.
Train Regression Trees Using Regression Learner App
Create and compare regression trees, and export trained models to make predictions for new 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.
Train Kernel Approximation Model Using Regression Learner App
Create and compare kernel approximation models, and export trained models to make predictions for new data.
Compare Linear Regression Models Using Regression Learner App
Create an efficiently trained linear regression model and then compare it to a linear regression model. Export the efficient linear regression model to make predictions on new data.

사용자 지정 워크플로

Feature Selection and Feature Transformation Using Regression Learner App
Identify useful predictors using plots or feature ranking algorithms, select features to include, and transform features using PCA in Regression Learner.
Hyperparameter Optimization in Regression Learner App
Automatically tune hyperparameters of regression models by using hyperparameter optimization.
Train Regression Model Using Hyperparameter Optimization in Regression Learner App
Train a regression ensemble model with optimized hyperparameters.
Check Model Performance Using Test Set in Regression Learner App
Import a test set into Regression Learner, and check the test set metrics for the best-performing trained models.
Explain Model Predictions for Regression Models Trained in Regression Learner App
To understand how trained regression models use predictors to make predictions, use global and local interpretability tools, such as partial dependence plots, LIME values, and Shapley values.
Use Partial Dependence Plots to Interpret Regression Models Trained in Regression Learner App
Determine how features are used in trained regression models by creating partial dependence plots.
Export Plots in Regression Learner App
Export and customize plots created before and after training.
Deploy Model Trained in Regression Learner to MATLAB Production Server
Train a model in Regression Learner and export it for deployment to MATLAB Production Server.

실험 관리자 워크플로

Export Model from Regression Learner to Experiment Manager
Export a regression model to Experiment Manager to perform multiple experiments.
Tune Regression Model Using Experiment Manager
Use different training data sets, hyperparameters, and visualizations to tune a Gaussian process regression (GPR) model in Experiment Manager.

회귀 학습기 앱

앱

도움말 항목

일반 워크플로

사용자 지정 워크플로

실험 관리자 워크플로

관련 정보