Delen via


Regressiemodules

Belangrijk

De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.

Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.

De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.

In dit artikel worden de modules in Machine Learning Studio (klassiek) beschreven die ondersteuning bieden voor het maken van regressiemodellen.

Notitie

Van toepassing op: Machine Learning Studio (klassiek)

Vergelijkbare modules voor slepen en neerzetten zijn beschikbaar in Azure Machine Learning designer.

Meer informatie over regressie

Regressie is een methodologie die veel wordt gebruikt op het gebied van techniek tot onderwijs. U kunt bijvoorbeeld regressie gebruiken om de waarde van een huis te voorspellen op basis van regionale gegevens of om projecties te maken over toekomstige inschrijving.

Regressietaken worden ondersteund in veel hulpprogramma's: Excel biedt bijvoorbeeld 'What If'-analyse, prognoses over een periode en analysis toolPak voor traditionele regressie.

De modules voor regressie in Machine Learning Studio (klassiek) bevatten elk een andere methode, of algoritme, voor regressie. In het algemeen probeert een regressiealgoritme de waarde van een functie te leren voor een bepaald exemplaar van gegevens. U kunt de lengte van iemand voorspellen met behulp van een lengtefunctie of de waarschijnlijkheid van ziekenhuisopname voorspellen op basis van medische testwaarden.

Regressiealgoritmen kunnen invoer uit meerdere functies opnemen door de bijdrage van elke functie van de gegevens aan de regressiefunctie te bepalen.

Een regressiemodel maken

Selecteer eerst het regressiealgoritme dat voldoet aan uw behoeften en past bij uw gegevens. Zie de volgende onderwerpen voor hulp:

Voeg trainingsgegevens toe. Zorg ervoor dat u vooraf de moduleverwijzing voor elk algoritme raadpleegt om te bepalen of de trainingsgegevens speciale vereisten hebben, met andere dan een numeriek resultaat.

Voer het experiment uit om het model te trainen. Nadat het regressiealgoritme heeft geleerd van de gelabelde gegevens, kunt u de geleerde functie gebruiken om voorspellingen te doen op nieuwe gegevens.

Lijst met modules

Voorbeelden

Zie de Azure AI Gallery voor voorbeelden van regressie in Azure AI Gallery.

Zie ook