Regresní moduly
Důležité
Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.
Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).
- Podívejte se na informace o přesunu projektů strojového učení z ML Studia (klasického) do Azure Machine Learning.
- Další informace o Azure Machine Learning.
Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.
Tento článek popisuje moduly v Machine Learning Studiu (klasickém), které podporují vytváření regresních modelů.
Poznámka
Platí pro: Machine Learning Studio (classic)
Podobné moduly s přetahováním jsou k dispozici v Azure Machine Learning návrháři.
Další informace o regresi
Regrese je metodologie, která se běžně používá v oborech od techniky až po vzdělávání. Regresi můžete použít například k předpovídání hodnoty domu na základě regionálních dat nebo k vytvoření projekcí o budoucí registraci.
Regresní úlohy jsou podporovány v mnoha nástrojích: například Excel poskytuje analýzu "What If", prognózování v průběhu času a nástroj Analysis ToolPak pro tradiční regresi.
Moduly pro regresi v Machine Learning Studiu (classic) obsahují jinou metodu neboli algoritmus pro regresi. Obecně platí, že regresní algoritmus se snaží zjistit hodnotu funkce pro konkrétní instanci dat. Výšku někoho můžete předpovědět pomocí funkce výšky nebo predikovat pravděpodobnost hospitalizace na základě hodnot lékařského testu.
Regresní algoritmy mohou zahrnovat vstup z více funkcí tím, že určují příspěvek jednotlivých prvků dat do regresní funkce.
Jak vytvořit regresní model
Nejprve vyberte regresní algoritmus, který vyhovuje vašim potřebám a vyhovuje vašim datům. Nápovědu najdete v těchto tématech:
Tahák k algoritmu strojového učení pro Machine Learning
Poskytuje grafický rozhodovací graf, který vás provede procesem výběru.
Jak zvolit Machine Learning pro clustering, klasifikaci nebo regresi
Podrobněji vysvětluje různé typy algoritmů strojového učení a jejich použití.
Přidejte trénovací data. Nezapomeňte si předem prostudovat referenční informace k modulům jednotlivých algoritmů a určit, jestli trénovací data mají nějaké zvláštní požadavky kromě číselného výsledku.
Pokud chcete model vytrénovat, spusťte experiment. Jakmile se regresní algoritmus z označených dat naučí, můžete použít funkci, kterou se naučil, k vytváření předpovědí nových dat.
Seznam modulů
- Bayesovské lineární regrese: Vytvoří bayesovské lineární regresní model.
- Posílená regrese rozhodovacího stromu: Vytvoří regresní model pomocí algoritmu Boosted Decision Tree.
- Decision Forest Regression (Regrese rozhodovací doménové struktury): Vytvoří regresní model pomocí algoritmu rozhodovací doménové struktury.
- Rychlá kvantilová regrese doménové struktury: Vytvoří model kvantilové regrese.
- Lineární regrese: Vytvoří model lineární regrese.
- Regrese neurální sítě: Vytvoří regresní model pomocí algoritmu neurální sítě.
- Ordinální regrese: Vytvoří ordinální regresní model.
- Poissonova regrese: Vytvoří regresní model, který předpokládá, že data mají Poissonovo rozdělení.
Příklady
Příklady regrese v akci najdete v Azure AI Gallery.