【2】使用MATLAB進行機器學習(迴歸)
開啟APP中 Regression Learner,點選新建,
這裡我編了一個table,裡面存放資料,命名為DATA_table。選擇第8個變數Var8為Response(目標變數),選擇其餘8個變數為Predictors(特徵量)。預設交叉驗證開啟,點開始。
選擇 All,點 Train,使用所有模型都跑一遍。
顯示線性模型效果最好。
如果要考慮對這8個特徵變數進行降維處理,可在訓練開始前選中PCA,和上邊一樣,再跑一遍。發現樹模型最優,PCA顯示前兩個特徵變數的貢獻度最大。
這樣我們可以嘗試只使用前兩個變數進行迴歸,需要重新新建,然後Predictors只選Var1和Var2.
然後再使用所有模型跑一遍,發現樹模型最優。
訓練好的模型,可以匯出模型(Export Model)以便預測之用;也可以匯出為程式碼(Generate Code),以便於整合到我們編寫的m程式碼中使用.
相關文章
- Python機器學習筆記:使用Keras進行迴歸預測Python機器學習筆記Keras
- 機器學習6-迴歸改進機器學習
- 機器學習筆記(2): Logistic 迴歸機器學習筆記
- 【機器學習】Logistic迴歸ex2data2機器學習
- 機器學習-樹迴歸機器學習
- P2 鄒博機器學習logistic迴歸機器學習
- 機器學習:邏輯迴歸機器學習邏輯迴歸
- 機器學習:線性迴歸機器學習
- 機器學習:迴歸問題機器學習
- 機器學習之Logistic迴歸機器學習
- 機器學習 | 線性迴歸與邏輯迴歸機器學習邏輯迴歸
- 機器學習入門(三) — 迴歸模型(進階案例)機器學習模型
- 機器學習之使用Python完成邏輯迴歸機器學習Python邏輯迴歸
- 機器學習:線性迴歸(下)機器學習
- 機器學習之迴歸指標機器學習指標
- 機器學習之線性迴歸機器學習
- 機器學習整理(線性迴歸)機器學習
- 機器學習整理(邏輯迴歸)機器學習邏輯迴歸
- 機器學習之邏輯迴歸機器學習邏輯迴歸
- [機器學習實戰-Logistic迴歸]使用Logistic迴歸預測各種例項機器學習
- TensorFlow.NET機器學習入門【2】線性迴歸機器學習
- 【機器學習】線性迴歸預測機器學習
- 機器學習 第5篇:knn迴歸機器學習KNN
- 機器學習5-線性迴歸機器學習
- 機器學習實戰之Logistic迴歸機器學習
- 機器學習演算法:Logistic迴歸學習筆記機器學習演算法筆記
- 人工智慧-機器學習-邏輯迴歸人工智慧機器學習邏輯迴歸
- 【機器學習基礎】邏輯迴歸——LogisticRegression機器學習邏輯迴歸
- 機器學習之迴歸分析--預測值機器學習
- 機器學習實戰(一)—— 線性迴歸機器學習
- 機器學習十講-第二講迴歸機器學習
- 【機器學習】線性迴歸python實現機器學習Python
- 【機器學習】線性迴歸原理介紹機器學習
- 【機器學習】線性迴歸sklearn實現機器學習
- 機器學習程式碼筆記-2-簡單線性迴歸機器學習筆記
- 機器學習之邏輯迴歸:計算機率機器學習邏輯迴歸計算機
- 從零開始學機器學習——邏輯迴歸機器學習邏輯迴歸
- 從零開始學機器學習——瞭解迴歸機器學習