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

Entrenar modelos de regresión en la aplicación de regresión Learner

Puede utilizar el aprendizaje de regresión para entrenar modelos de regresión, incluidos modelos de regresión lineal, árboles de regresión, modelos de regresión de proceso Gaussiano, máquinas de vectores de soporte y conjuntos de árboles de regresión. Además de los modelos de formación, puede explorar los datos, seleccionar entidades, especificar esquemas de validación y evaluar resultados. Puede exportar un modelo al espacio de trabajo para utilizar el modelo con nuevos datos o generar código para obtener información sobre la clasificación programática.MATLAB®

La formación de un modelo en el aprendizaje de regresión consta de dos partes:

  • Modelo validado: Formación de un modelo con un esquema de validación. De forma predeterminada, la aplicación protege contra el sobreajuste aplicando la validación cruzada. Como alternativa, puede elegir la validación de exclusión. El modelo validado es visible en la aplicación.

  • Modelo completo: Formación de un modelo sobre datos completos sin validación. La aplicación entrena este modelo simultáneamente con el modelo validado. Sin embargo, el modelo entrenado en datos completos no está visible en la aplicación. Cuando se elige un modelo de regresión para exportar al área de trabajo, regresión Learner exporta el modelo completo.

La aplicación muestra los resultados del modelo validado. Las medidas de diagnóstico, como la precisión del modelo y los trazados, como la gráfica de respuesta o el trazado de residuos reflejan los resultados del modelo validado. Puede entrenar automáticamente uno o más modelos de regresión, comparar los resultados de la validación y elegir el mejor modelo que funcione para su problema de regresión. Cuando se elige un modelo para exportar al área de trabajo, regresión Learner exporta el modelo completo. Dado que el aprendizaje de regresión crea un objeto de modelo del modelo completo durante el entrenamiento, no experimenta ningún retraso al exportar el modelo. Puede utilizar el modelo exportado para realizar predicciones sobre nuevos datos.

Para empezar a entrenar una selección de tipos de modelo, consulte.Entrenamiento de modelo de regresión automatizada Si ya sabe qué modelo de regresión desea entrenar, consulte.Manual de formación de regresión modelo

Entrenamiento de modelo de regresión automatizada

Puede utilizar el aprendizaje de regresión para entrenar automáticamente una selección de modelos de regresión diferentes en los datos.

  • Empiece a entrenar automáticamente varios modelos simultáneamente. Puede probar rápidamente una selección de modelos y, a continuación, explorar modelos prometedores de forma interactiva.

  • Si ya sabe qué tipo de modelo desea, puede entrenar modelos individuales en su lugar. Ver.Manual de formación de regresión modelo

  1. En la pestaña, en el grupo, haga clic en.AppsMachine LearningRegression Learner

  2. Haga clic y seleccione los datos del espacio de trabajo o del archivo.New Session Especifique una variable de respuesta y variables que se utilizarán como predictores. Ver.Seleccione datos y validación para problema de regresión

  3. En la pestaña, en la sección, haga clic en la flecha para expandir la lista de modelos de regresión.El aprendiz de regresiónModel Type SeleccioneAll Quick-To-Train. Esta opción entrena todos los presets de modelo que son rápidos de ajustar.

  4. Haga clicTrain.

    Nota

    Si lo tienes, la aplicación entrena modelos en paralelo.Parallel Computing Toolbox™ Ver.Entrenamiento de modelo de regresión paralela

    Aparece una selección de tipos de modelo en la lista historial. Cuando los modelos terminan el entrenamiento, la mejor puntuación se resalta en una caja.RMSE

  5. Haga clic en modelos en la lista historial para explorar los resultados en las parcelas.

    Para los pasos siguientes, vea o.Manual de formación de regresión modeloComparar y mejorar modelos de regresión

  6. Para probar todos los presets de modelo disponibles, haga clic enAlly, a continuación, haga clic.Train

Manual de formación de regresión modelo

Para explorar los tipos de modelo individuales, puede entrenar modelos uno a la vez o entrenar a un grupo de modelos del mismo tipo.

  1. Elija un tipo de modelo. En la pestaña, en la sección, haga clic en un tipo de modelo.El aprendiz de regresiónModel Type Para ver todas las opciones de modelo disponibles, haga clic en la flecha de la sección para expandir la lista de modelos de regresión.Model Type Las opciones de la galería son puntos de partida preestablecidos con diferentes ajustes, adecuados para un rango de diferentes problemas de regresión.

    Para leer las descripciones de los modelos, cambie a la vista de detalles o pase el ratón sobre un botón para mostrar su información sobre herramientas.

    Para obtener más información sobre cada opción, consulte.Elija Opciones de modelo de regresión

  2. Después de seleccionar un modelo, haga clic enTrain.

    Repita para explorar diferentes modelos.

    Sugerencia

    Seleccione primero los árboles de regresión. Si sus modelos entrenados no predicen la respuesta con la suficiente precisión, pruebe otros modelos con mayor flexibilidad. Para evitar el sobreajuste, busque un modelo menos flexible que proporcione una precisión suficiente.

  3. Si desea probar todos los tipos de modelo o entrenar a un grupo del mismo tipo, a continuación, seleccione una de las opciones en la galería.All

Para los pasos siguientes, vea.Comparar y mejorar modelos de regresión

Entrenamiento de modelo de regresión paralela

Puede entrenar modelos en paralelo utilizando regresión Learner si lo tiene.Parallel Computing Toolbox Cuando entrena modelos, la aplicación inicia automáticamente un grupo paralelo de trabajadores, a menos que desactive la preferencia paralela predeterminada.Automatically create a parallel pool Si un grupo ya está abierto, la aplicación lo usa para el entrenamiento. El entrenamiento paralelo le permite entrenar varios modelos simultáneamente y continuar trabajando.

  1. La primera vez que haga clic, verá un cuadro de diálogo mientras la aplicación abre un grupo paralelo de trabajadores.Train Después de que se abra el grupo, puede entrenar varios modelos a la vez.

  2. Cuando los modelos se entrenan en paralelo, verá indicadores de progreso en cada entrenamiento y modelo en cola en la lista historial. Si lo desea, puede cancelar modelos individuales. Durante el entrenamiento, puede examinar los resultados y las parcelas de los modelos e iniciar la formación de más modelos.

Para controlar el entrenamiento paralelo, cambia el botón de la herramienta de la aplicación.Use Parallel (El botón solo está disponible si lo tiene.)Use ParallelParallel Computing Toolbox

Si lo tiene, entonces el entrenamiento en paralelo está disponible en el aprendizaje de regresión, y no es necesario establecer la opción de la función.Parallel Computing ToolboxUseParallelstatset Si desactiva la preferencia paralela a, a continuación, la aplicación no inicia un grupo para usted sin preguntar primero.Automatically create a parallel pool

Comparar y mejorar modelos de regresión

  1. Haga clic en modelos en la lista historial para explorar los resultados en las parcelas. Compare el rendimiento del modelo inspeccionando los resultados en las parcelas. Examine la puntuación notificada en la lista historial de cada modelo.RMSE Ver.Evalúe el rendimiento del modelo en aprendizaje de regresión

  2. Seleccione el mejor modelo en la lista historial y, a continuación, intente incluir y excluir diferentes características del modelo. Haga clicFeature Selection.

    Pruebe la gráfica de respuesta para ayudarle a identificar las entidades que desea eliminar. Vea si puede mejorar el modelo eliminando características con baja potencia predictiva. Especifique los predictores que se incluirán en el modelo y capacite a los nuevos modelos con las nuevas opciones. Compare los resultados entre los modelos de la lista History.

    También puede intentar transformar las características con PCA para reducir la dimensionalidad.

    Ver.Selección de características y transformación de características mediante la aplicación de regresión Learner

  3. Mejore aún más el modelo cambiando la configuración del parámetro del modelo en el cuadro de diálogo avanzado. Luego, entrena usando las nuevas opciones. Para obtener información sobre cómo controlar la flexibilidad del modelo, consulte.Elija Opciones de modelo de regresión

    Si la selección de características, PCA o la nueva configuración de parámetros mejoran su modelo, intente entrenarAlltipos de modelo con la nueva configuración. Vea si otro tipo de modelo mejora con la nueva configuración.

Sugerencia

Para evitar el sobreajuste, busque un modelo menos flexible que proporcione una precisión suficiente. Por ejemplo, busque modelos simples, como árboles de regresión que sean rápidos y fáciles de interpretar. Si sus modelos no son lo suficientemente precisos, pruebe otros modelos con mayor flexibilidad, como conjuntos. Para obtener más información sobre la flexibilidad del modelo, consulte.Elija Opciones de modelo de regresión

Esta figura muestra la aplicación con una lista de historial que contiene varios tipos de modelo de regresión.

Sugerencia

Para ver un ejemplo paso a paso comparando diferentes modelos de regresión, consulte.Entrenar árboles de regresión utilizando la aplicación de regresión Learner

A continuación, puede generar código para entrenar el modelo con datos diferentes o exportar modelos entrenados al espacio de trabajo para realizar predicciones con nuevos datos. Ver.Exportar modelo de regresión para predecir nuevos datos

Temas relacionados