Main Content

La traducción de esta página está obsoleta. Haga clic aquí para ver la última versión en inglés.

Redes neuronales

Redes neuronales para regresión

Los modelos de redes neuronales se estructuran en una serie de capas que reflejan la manera en que el cerebro procesa la información. Los modelos de redes neuronales de regresión disponibles en Statistics and Machine Learning Toolbox™ son redes neuronales predictivas interconectadas en las que puede ajustar el tamaño de las capas interconectadas y modificar las funciones de activación de las mismas.

Para entrenar un modelo de red neuronal de regresión, utilice la app Regression Learner. Para mayor flexibilidad, entrene un modelo de red neuronal de regresión mediante fitrnet en la interfaz de línea de comandos. Tras el entrenamiento, puede predecir las respuestas con los nuevos datos pasando el modelo y los nuevos datos de los predictores a predict.

Si desea crear redes de deep learning más complejas y cuenta con Deep Learning Toolbox™, puede probar la app Deep Network Designer (Deep Learning Toolbox).

Apps

Regression LearnerTrain regression models to predict data using supervised machine learning

Funciones

expandir todo

fitrnetTrain neural network regression model
compactReduce size of machine learning model
crossvalCross-validate machine learning model
kfoldLossLoss for cross-validated partitioned regression model
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldfunCross-validate function for regression
lossLoss for regression neural network
resubLossResubstitution regression loss
predictPredict responses using regression neural network
resubPredictPredict responses for training data using trained regression model

Objetos

RegressionNeuralNetworkNeural network model for regression
CompactRegressionNeuralNetworkCompact neural network model for regression
RegressionPartitionedModelCross-validated regression model

Temas

Assess Regression Neural Network Performance

Use fitrnet to create a feedforward regression neural network model with fully connected layers, and assess the performance of the model on test data.

Train Regression Neural Networks Using Regression Learner App

Create and compare regression neural networks, and export trained models to make predictions for new data.