Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Exportar modelo de regresión para predecir nuevos datos

Exportar modelo a espacio de trabajo

Después de crear modelos de regresión de forma interactiva en la aplicación regresión Learner, puede exportar el mejor modelo al área de trabajo. A continuación, puede usar ese modelo entrenado para realizar predicciones con nuevos datos.

Nota

El modelo final de las exportaciones de regresión Learner siempre se entrena utilizando el conjunto de datos completo. El esquema de validación que usa solo afecta a la forma en que la aplicación calcula las métricas de validación. Puede usar las métricas de validación y varios trazados que visualizan los resultados para elegir el mejor modelo para su problema de regresión.

Estos son los pasos para exportar un modelo al espacio de trabajo:MATLAB®

  1. En la aplicación, seleccione el modelo que desea exportar en la lista historial.

  2. En la pestaña, en la sección, haga clic en una de las opciones de exportación:El aprendiz de regresiónExport

    • Para incluir los datos utilizados para entrenar el modelo, seleccione.Export Model

      El modelo entrenado se exporta al espacio de trabajo como una estructura que contiene un objeto de modelo de regresión.

    • Para excluir los datos de entrenamiento, seleccione.Export Compact Model Esta opción exporta el modelo con datos innecesarios eliminados cuando sea posible. Para algunos modelos, se trata de un objeto compacto que no incluye los datos de entrenamiento, pero todavía puede utilizarlo para realizar predicciones sobre nuevos datos.

  3. En el cuadro de diálogo Exportar modelo, compruebe el nombre de la variable exportada y edítelo si lo desea. A continuación, haga clic.OK El nombre predeterminado para el modelo exportado, incrementa cada vez que se exporta para evitar sobrescribir los modelos; por ejemplo,.trainedModeltrainedModel1

    La nueva variable (por ejemplo,) aparece en el área de trabajo.trainedModel

    La aplicación muestra información sobre el modelo exportado en la ventana de comandos. Lea el mensaje para aprender a hacer predicciones con nuevos datos.

Realizar predicciones para nuevos datos

Después de exportar un modelo al espacio de trabajo desde el aprendizaje de regresión, o ejecutar el código generado desde la aplicación, obtendrá una estructura que puede usar para realizar predicciones con datos nuevos.trainedModel La estructura contiene un objeto de modelo y una función de predicción. La estructura permite realizar predicciones para modelos que incluyen el análisis de componentes principales (PCA).

  1. Utilice el modelo exportado para realizar predicciones para nuevos datos: Dónde está el nombre de la variable exportada.T

    yfit = trainedModel.predictFcn(T)
    trainedModel

    Proporcione los datos en el mismo tipo de datos que los datos de entrenamiento utilizados en la aplicación (tabla o matriz).T

    • Si proporciona una tabla, asegúrese de que contiene los mismos nombres de predictor que los datos de entrenamiento. El omite las variables adicionales en las tablas.predictFcn Los tipos y formatos de variables deben coincidir con los datos de entrenamiento originales.

    • Si proporciona una matriz, debe contener las mismas columnas o filas predictoras que los datos de entrenamiento, en el mismo orden y formato. No incluya una variable de respuesta, ninguna de las variables que no haya importar en la aplicación u otras variables no utilizadas.

    La salida contiene una predicción para cada punto de datos.yfit

  2. Examine los campos de la estructura exportada. Para obtener ayuda para realizar predicciones, escriba:

    trainedModel.HowToPredict

También puede extraer el objeto de modelo de la estructura exportada para su posterior análisis. Si utiliza la transformación de características como PCA en la aplicación, debe tener en cuenta esta transformación utilizando la información de los campos PCA de la estructura.

Generar código para entrenar modelo con nuevos datosMATLAB

Después de crear modelos de regresión de forma interactiva en la aplicación regresión Learner, puede generar código para el mejor modelo.MATLAB A continuación, puede utilizar el código para entrenar el modelo con nuevos datos.

Genere código para:MATLAB

  • Entrena en grandes conjuntos de datos. Explore los modelos de la aplicación capacitados en un subconjunto de los datos y, a continuación, genere código para entrenar un modelo seleccionado en un conjunto de datos más grande.

  • Cree scripts para los modelos de formación sin necesidad de aprender la sintaxis de las diferentes funciones.

  • Examine el código para aprender a entrenar modelos mediante programación.

  • Modifique el código para un análisis posterior, por ejemplo, para establecer opciones que no se pueden cambiar en la aplicación.

  • Repite tu análisis en diferentes datos y automatiza el entrenamiento.

Para generar código y utilizarlo para entrenar un modelo con nuevos datos:

  1. En la aplicación, en la lista historial, seleccione el modelo para el que desea generar el código.

  2. En la pestaña, en la sección, haga clic en.El aprendiz de regresiónExportGenerate Function

    La aplicación genera código de la sesión y muestra el archivo en el editor.MATLAB El archivo incluye los predictores y la respuesta, los métodos de entrenamiento del modelo y los métodos de validación. Guarde el archivo.

  3. Para volver a entrenar el modelo, llame a la función desde la línea de comandos con los datos originales o los nuevos datos como argumento de entrada. Los nuevos datos deben tener la misma forma.

    Copie la primera línea del código generado, excluyendo la palabra, y edite el argumento de entrada para reflejar el nombre de la variable de los datos de entrenamiento o los nuevos datos.functiontrainingData

    El código generado devuelve una estructura que contiene los mismos campos que la estructura que se crea al exportar un modelo de regresión Learner al espacio de trabajo.trainedModel

Si desea automatizar el entrenamiento del mismo modelo con nuevos datos, o aprender a entrenar modelos mediante programación, examine el código generado. El código le muestra cómo:

  • Procese los datos en la forma correcta.

  • Entrenar un modelo y especificar todas las opciones del modelo.

  • Realice la validación cruzada.

  • Calcular estadísticas.

  • Calcular las predicciones y puntuaciones de validación.

Implemente predicciones con MATLAB Compiler

Después de exportar un modelo al espacio de trabajo desde el aprendizaje de regresión, puede implementarlo mediante MATLABCompiler™.

Suponga que exporta el modelo entrenado a Workspace según las instrucciones de, con el nombre.MATLABExportar modelo a espacio de trabajotrainedModel Para implementar predicciones, siga estos pasos.

  • Guarde la estructura en un archivo. MAT.trainedModel

    save mymodel trainedModel
  • Escriba el código que se compilará. Este código debe cargar el modelo entrenado y utilizarlo para realizar una predicción. También debe tener una pragma, por lo que el compilador reconoce que el código es necesario en la aplicación compilada.Statistics and Machine Learning Toolbox™ Esta pragma podría ser cualquier función en el cuadro de herramientas.

    function ypred = mypredict(tbl) %#function fitrtree load('mymodel.mat'); load('cartable.mat') ypred = trainedModel.predictFcn(cartable) end
  • Compile como una aplicación independiente.

    mcc -m mypredict.m 

Consulte también

Funciones

Clases

Temas relacionados