Módulos de regresión
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información sobre Azure Machine Learning.
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
En este artículo se describen los módulos de Machine Learning Studio (clásico) que admiten la creación de modelos de regresión.
Nota:
Solo se aplica a: Machine Learning Studio (clásico)
Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.
Más información sobre la regresión
La regresión es una metodología que se usa ampliamente en campos que van desde la ingeniería hasta la educación. Por ejemplo, puede usar la regresión para predecir el valor de una casa en función de los datos regionales o para crear proyecciones sobre la inscripción futura.
Las tareas de regresión se admiten en muchas herramientas: por ejemplo, Excel proporciona análisis "What If", previsión a lo largo del tiempo y herramienta de análisis Para regresión tradicional.
Los módulos de regresión en Machine Learning Studio (clásico) incorporan un método o algoritmo diferente para la regresión. En general, un algoritmo de regresión intenta aprender el valor de una función para una instancia determinada de datos. Puede predecir la altura de alguien mediante una función de altura o predecir la probabilidad de admisión hospitalaria en función de los valores de las pruebas médicas.
Los algoritmos de regresión pueden incorporar entradas de varias características, determinando la contribución de cada característica de los datos a la función de regresión.
Creación de un modelo de regresión
En primer lugar, seleccione el algoritmo de regresión que satisfaga sus necesidades y se adapte a sus datos. Para obtener ayuda, consulte estos temas:
Hoja de códigos de seguridad de algoritmos de aprendizaje automático para Machine Learning
Proporciona un gráfico de decisión para guiarlo a través del proceso de selección.
Cómo elegir algoritmos Machine Learning agrupación en clústeres, clasificación o regresión
Explica con más detalle los distintos tipos de algoritmos de aprendizaje automático y cómo se usan.
Agregar datos de entrenamiento. Asegúrese de consultar la referencia del módulo para cada algoritmo de antemano para determinar si los datos de entrenamiento tienen requisitos especiales, aparte de un resultado numérico.
Para entrenar el modelo, ejecute el experimento. Una vez que el algoritmo de regresión ha aprendido de los datos etiquetados, puede usar la función que aprendió para realizar predicciones sobre datos nuevos.
Lista de módulos
- Regresión lineal bayesiana: crea un modelo de regresión lineal bayesiana.
- Regresión del árbol de decisión potenciado: crea un modelo de regresión mediante el algoritmo Boosted Decision Tree .
- Regresión del bosque de decisión: crea un modelo de regresión mediante el algoritmo de bosque de decisión.
- Regresión de cuantiles de bosque rápido: crea un modelo de regresión de cuantiles.
- Regresión lineal: crea un modelo de regresión lineal.
- Regresión de red neuronal: crea un modelo de regresión mediante un algoritmo de red neuronal.
- Regresión ordinal: crea un modelo de regresión ordinal.
- Regresión de Poisson: crea un modelo de regresión que supone que los datos tienen una distribución de Poisson.
Ejemplos
Para obtener ejemplos de regresión en acción, consulte el Azure AI Gallery.