打开APP中 Regression Learner，点击新建，这里我编了一个table，里面存放数据，命名为DATA_table。选择第8个变量Var8为Response（目标变量），选择其余8个变量为Predictors（特征量）。默认交叉验证打开，点开始。选择 All，点 Train，使用所有模型都跑一遍。显示线性模型效果最好。如果要考虑对这8个特征变量进行降维处理，可在训练开始前选中PCA，和上边一样，再跑一遍。发现树模型最优，PCA显示前两个特征变量的贡献度最大。这样我们可以尝试
2022年5月31日更新：
更加完整的回归流程及m代码实现，请见“实战1 空气质量数据的校准”。实战1 - 空气质量数据的校准
打开APP中 Regression Learner，点击新建，
这里我编了一个table，里面存放数据，命名为DATA_table。选择第8个变量Var8为Response（目标变量），选择其余8个变量为Predictors（特征量）。默认交叉验证打开，点开始。
选择 All，点 Train，使用所有模型都跑一遍。
显示线性模型效果最好。
522
1297
3793
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
