Moduły regresji
Ważne
Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.
Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).
- Zobacz informacje na temat przenoszenia projektów uczenia maszynowego z programu ML Studio (wersja klasyczna) do Azure Machine Learning.
- Dowiedz się więcej o Azure Machine Learning.
Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.
W tym artykule opisano moduły w programie Machine Learning Studio (wersja klasyczna), które obsługują tworzenie modeli regresji.
Uwaga
Dotyczy: tylko Machine Learning Studio (klasyczne)
Podobne moduły przeciągania i upuszczania są dostępne w Azure Machine Learning projektanta.
Więcej informacji na temat regresji
Regresja to metodologia szeroko używana w różnych dziedzinach, od inżynierii do edukacji. Na przykład można użyć regresji, aby przewidzieć wartość domu na podstawie danych regionalnych lub utworzyć prognozy dotyczące przyszłej rejestracji.
Zadania regresji są obsługiwane w wielu narzędziach: na przykład Excel analizy "What If", prognozowanie w czasie i Analysis ToolPak dla regresji tradycyjnej.
Moduły regresji w programie Machine Learning Studio (klasyczne) zawierają inną metodę lub algorytm regresji. Ogólnie algorytm regresji próbuje poznać wartość funkcji dla określonego wystąpienia danych. Możesz przewidzieć wzrost czyjegoś wzrostu przy użyciu funkcji wzrostu lub przewidzieć prawdopodobieństwo przyjęcia szpitali na podstawie wartości testu medycznego.
Algorytmy regresji mogą uwzględniać dane wejściowe z wielu funkcji, określając udział każdej funkcji danych w funkcji regresji.
Jak utworzyć model regresji
Najpierw wybierz algorytm regresji, który spełnia Twoje potrzeby i odpowiada Twoim danych. Aby uzyskać pomoc, zobacz następujące tematy:
Ściągawka algorytmu uczenia maszynowego dla Machine Learning
Zawiera graficzny wykres decyzyjny, który pomoże Ci przejść przez proces wyboru.
Jak wybrać algorytmy Machine Learning klastrowania, klasyfikacji lub regresji
Bardziej szczegółowo opisano różne typy algorytmów uczenia maszynowego i sposób ich działania.
Dodawanie danych szkoleniowych. Pamiętaj, aby wcześniej zapoznać się z odwołaniem do modułu dla każdego algorytmu, aby ustalić, czy dane szkoleniowe mają jakieś specjalne wymagania, inne niż wynik liczbowy.
Aby wytszkolić model, uruchom eksperyment. Po poznaniu algorytmu regresji na podstawie danych oznaczonych etykietami możesz użyć funkcji, zdobytą w celu przewidywania nowych danych.
Lista modułów
- Bayesyjska regresja liniowa: tworzy model bayesowej regresji liniowej.
- Regresja z użyciem wzmacnianego drzewa decyzyjnego: tworzy model regresji przy użyciu algorytmu boosted decision tree.
- Decision Forest Regression (Regresja lasu decyzyjnego): tworzy model regresji przy użyciu algorytmu lasu decyzyjnego.
- Szybka regresja kwantylu lasu: tworzy model regresji kwantylu.
- Regresja liniowa: tworzy model regresji liniowej.
- Regresja sieci neuronowej: tworzy model regresji przy użyciu algorytmu sieci neuronowej.
- Regresja porządkowa: tworzy model regresji porządkowej.
- Regresja Poissona: tworzy model regresji, który zakłada, że dane mają rozkład Poissona.
Przykłady
Przykłady regresji w działaniu można znaleźć w Azure AI Gallery.