Matlab机器学习和深度学习APP之Regression Learner

原创作品，转载请注明出处，谢谢~

目录

软件与数据准备

1. 我之前用的是matlabR2016b，里面没有regression learner这个App，现在使用的是Matlab R2019b，如果你的matlab没有的话可以看看是不是版本问题
2. 准备需要进行回归分析的数据，我这里是采用的工作空间中的数据
   
   

Regression Learner具体使用

1. 打开App新建会话
   
   在这里我们可以选择自己的样本数据，即gauss_pitch这个矩阵，并使用列作为变量，第三列因变量作为我们的响应，前两列作为预测变量，右侧的验证可以根据需求选择交叉验证折数，或者选择留出法验证（一部分作为训练，另一部分用作验证）
   我这里全部采用的如图所示的默认
   
   然后就可以开始我们的会话啦！
2. 选择自己合适的模型，开始训练！
   
   这里我们可以选择不同的模型对我们的数据进行训练
   我这里选择了高斯过程回归的平方指数模型进行训练！
   
   这里可以非常直观的看到我们训练的记录以及训练的误差，时间等信息
3. 训练结果分析
   我们可以选择响应图，预测实际图等看模型训练的效果并分析
   
   
   比如这里的响应图，可以根据需要勾选是否显示误差等，X轴的坐标信息也可以更改
4. 导出训练模型并进一步处理
   这里我遇到一个小问题，因为我的训练数据是三维的，有两个自变量和一个响应，所以我想要画出样本数据的散点图的同时，利用高斯回归模型画出拟合的三维曲面，这就利用到app导出模型的功能。
   
   可以选择是否导出训练数据，这里我选择第一项直接导出模型。
   导出的模型在工作空间被命名为trainedModel，我们可以直接利用该模型，也可以另存为.mat文件方便下次使用该模型（load导入工作空间）
   我这里只用到了trainedModel的predictFcn函数，这里附上写的一段代码

X1 = -100:0.1:100;
X2 = 0:0.001:1.5;
[X1FIT,X2FIT] = meshgrid(X1,X2);
[m, n] = size(X1FIT);

figure(3);
scatter3(gauss_pitch(:,1),gauss_pitch(:,2),gauss_pitch(:,3),15,'b','filled');
hold on;
Y = zeros(m,n);
for num = 1:n
    X = [X1FIT(:,num), X2FIT(:,num)];
    Y(:,num) = trainedModel.predictFcn(X);
end
mesh(X1FIT, X2FIT, Y);

X1和X2是划分的我感兴趣的范围，希望通过高斯模型绘制曲面的范围，meshgrid的作用就是把X1和X2转变为一个m*n维的矩阵，因此通过for循环，利用模型给预测响应值Y赋值，scatter3绘制出样本数据的散点图；
predictFcn可以根据待预测数据的输入，预测响应，这里我们的输入是X1和X2的范围；
最后，mesh，模型预测的曲面就绘制出来了！

最后

文章中存在的问题欢迎交流指正，如果有更好的使用方法或者使用心得也希望大佬们提出，希望这个笔记也能对大家有所帮助，peace & love~