ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

回帰学習器アプリ

回帰モデルの対話的な学習、検定、調整

回帰モデルの学習と検定を行うための各種のアルゴリズムを選択します。複数のモデルに学習をさせた後で、検定誤差を並べて比較し、最適なモデルを選択します。使用するアルゴリズムの決定方法については、回帰学習器アプリにより回帰モデルに学習をさせるを参照してください。

アプリ

回帰学習器教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる

トピック

回帰のワークフロー

回帰学習器アプリにより回帰モデルに学習をさせる

自動、手動および並列学習など、回帰モデルの学習、比較および改善を行うためのワークフローです。

回帰問題に対するデータと検証の選択

ワークスペースまたはファイルから回帰学習器にデータをインポートし、サンプル データセットを探し、交差検証またはホールドアウト検定オプションを選択します。

回帰モデルのオプションの選択

回帰学習器で、選択したモデルに自動的に学習をさせ、線形回帰モデル、回帰木、サポート ベクター マシン、ガウス過程回帰モデルおよび回帰木のアンサンブルのオプションを比較および調整します。

回帰学習器アプリの使用による特徴選択と特徴変換

プロットを使用して有用な予測子を識別し、含める特徴量を手動で選択し、回帰学習器で PCA を使用して特徴量を変換します。

回帰学習器アプリにおけるモデルの性能評価

モデルの統計量を比較し、結果を可視化します。

新しいデータによる予測のための回帰モデルのエクスポート

回帰学習器で学習を行った後で、モデルをワークスペースにエクスポートするか、MATLAB® コードを生成します。

回帰の例

回帰学習器アプリを使用して回帰木に学習をさせる

回帰木を作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートします。