Modul regresi
Penting
Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.
Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.
- Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
- Mer informasjon tentang Azure Machine Learning.
ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.
Artikel ini menjelaskan modul di Pembelajaran Mesin Studio (klasik) yang mendukung pembuatan model regresi.
Catatan
Berlaku untuk: Pembelajaran Mesin Studio (klasik) saja
Modul drag-and-drop serupa tersedia di Azure Machine Learning desainer.
Selengkapnya tentang regresi
Regresi adalah metodologi yang digunakan secara luas di berbagai bidang mulai dari teknik hingga pendidikan. Misalnya, Anda dapat menggunakan regresi untuk memprediksi nilai rumah berdasarkan data regional, atau untuk membuat proyeksi tentang pendaftaran di masa mendatang.
Tugas regresi didukung dalam banyak alat: misalnya, Excel menyediakan analisis "Bagaimana Jika", peramalan dari waktu ke waktu, dan Analysis ToolPak untuk regresi tradisional.
Modul untuk regresi di Pembelajaran Mesin Studio (klasik) masing-masing menggabungkan metode yang berbeda, atau algoritma, untuk regresi. Secara umum, algoritma regresi mencoba mempelajari nilai fungsi untuk contoh data tertentu. Anda dapat memprediksi tinggi badan seseorang dengan menggunakan fungsi tinggi badan, atau memprediksi kemungkinan masuk rumah sakit berdasarkan nilai tes medis.
Algoritma regresi dapat menggabungkan input dari beberapa fitur, dengan menentukan kontribusi dari setiap fitur data untuk fungsi regresi.
Cara membuat model regresi
Pertama, pilih algoritma regresi yang memenuhi kebutuhan Anda dan sesuai dengan data Anda. Untuk bantuan, lihat topik berikut:
Lembar contekan algoritma pembelajaran mesin untuk Pembelajaran Mesin
Menyediakan bagan keputusan grafis untuk memandu Anda melalui proses seleksi.
Cara memilih algoritma Pembelajaran Mesin untuk pengelompokan, klasifikasi, atau regresi
Menjelaskan secara lebih rinci berbagai jenis algoritma pembelajaran mesin, dan bagaimana mereka digunakan.
Tambahkan data pelatihan. Pastikan untuk berkonsultasi dengan referensi modul untuk setiap algoritma terlebih dahulu, untuk menentukan apakah data pelatihan memiliki persyaratan khusus, selain hasil numerik.
Untuk melatih model, jalankan eksperimen. Setelah algoritma regresi telah belajar dari data berlabel, Anda dapat menggunakan fungsi yang dipelajari untuk membuat prediksi pada data baru.
Daftar modul
- Regresi Linier Bayesian: Membuat model regresi linier Bayesian.
- Regresi Pohon Keputusan yang Ditingkatkan: Membuat model regresi dengan menggunakan algoritma Boosted Decision Tree.
- Regresi Hutan Keputusan: Menciptakan model regresi dengan menggunakan algoritma hutan keputusan.
- Regresi Kuanttil Hutan Cepat: Membuat model regresi kuanttil.
- Regresi Linier: Membuat model regresi linier.
- Regresi Jaringan Saraf: Membuat model regresi dengan menggunakan algoritma jaringan saraf.
- Regresi Ordinal: Membuat model regresi ordinal.
- Regresi Poisson: Membuat model regresi yang mengasumsikan data memiliki distribusi Poisson.
Contoh
Untuk contoh regresi yang beraksi, lihat Galeri AI Azure.