Módulos de regressão

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Este artigo descreve os módulos em Machine Learning Studio (clássico) que suportam a criação de modelos de regressão.

Nota

Aplica-se a: Machine Learning Studio (clássico) apenas

Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.

Mais sobre regressão

A regressão é uma metodologia muito utilizada em áreas que vão da engenharia à educação. Por exemplo, pode usar a regressão para prever o valor de uma casa com base em dados regionais, ou para criar projeções sobre as futuras matrículas.

As tarefas de regressão são suportadas em muitas ferramentas: por exemplo, Excel fornece a análise "E Se", a previsão ao longo do tempo, e o ToolPak de análise para a regressão tradicional.

Os módulos para a regressão no Machine Learning Studio (clássico) incorporam cada um um método diferente, ou algoritmo, para regressão. Em geral, um algoritmo de regressão tenta aprender o valor de uma função para um determinado caso de dados. Pode prever a altura de alguém usando uma função de altura, ou prever a probabilidade de internamento hospitalar com base nos valores dos testes médicos.

Os algoritmos de regressão podem incorporar a entrada de múltiplas funcionalidades, determinando a contribuição de cada característica dos dados para a função de regressão.

Como criar um modelo de regressão

Em primeiro lugar, selecione o algoritmo de regressão que atenda às suas necessidades e se adapte aos seus dados. Para obter ajuda, consulte estes tópicos:

Adicione dados de treino. Certifique-se de consultar a referência do módulo para cada algoritmo com antecedência, para determinar se os dados de treino têm requisitos especiais, além de um resultado numérico.

Para treinar o modelo, fazer a experiência. Depois de o algoritmo de regressão ter aprendido com os dados rotulados, pode utilizar a função que aprendeu a fazer previsões sobre novos dados.

Lista de módulos

Exemplos

Por exemplo, regressão em ação, consulte a Galeria Azure AI.

Ver também