iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 23
0
Everything on Azure

Azure Machine Learning Studio系列 第 23

Azure Machine Learning Studio 迴歸 Regression

  • 分享至 

  • xImage
  •  

回歸分析(Regression)通常用來預測數值資料,像是價格、溫度...等等。其中提升決策樹是使用多個決策樹來產生更好的預測模型,以下範例為使用提升決策樹迴歸分析預測汽車價格。

Regression 迴歸

位置:Machine Learning / Initialize Model / Regression

  • Bayesian Linear Regression 貝葉斯線性迴歸
  • Boosted Decision Tree Regression 提升決策樹迴歸
  • Decision Forest Regression 決策森林迴歸
  • Fast Forest Quantile Regression 快速樹系分量迴歸
  • Linear Regression 線性迴歸
  • Neural Network Regression 神經網路迴歸
  • Ordinal Regression 順序變項迴歸
  • Poisson Regression 卜瓦松迴歸

https://ithelp.ithome.com.tw/upload/images/20181105/201119358oasoay6JH.png

以提升決策樹迴歸預測汽車價格

  1. 【Dataset】新增資料集:Automobile price data (Raw) 汽車價格資料集

  2. 【Split Data】設定比例為 0.7:70% 訓練集、30% 測試集
    https://ithelp.ithome.com.tw/upload/images/20181105/20111935mmxMBfy3ZT.png

  3. 【Train Model】訓練模型:設定要預測的目標欄位:price 價格

  4. 【Boosted Decision Tree Regression】選擇演算法:提升決策樹迴歸分析
    https://ithelp.ithome.com.tw/upload/images/20181105/20111935BpC6TRfqYM.png

  5. 【Score Model】計分模型:執行預測
    https://ithelp.ithome.com.tw/upload/images/20181105/20111935bZyvQO7smE.png

  6. Score Model 計分模型的結果會顯示原價格,以及預估的價格
    https://ithelp.ithome.com.tw/upload/images/20181105/20111935YOOhM5Sow0.png

  7. 【Evaluate Model】評估模型
    https://ithelp.ithome.com.tw/upload/images/20181105/20111935qyToCOLPfD.png

  8. Evaluate Model 評估結果為:

  • Mean Absolute Error(平均絕對誤差) = 1614.050916

  • Root Mean Squared Error(均方根誤差) = 2482.66247

  • Relative Absolute Error(相對絕對誤差) = 0.293482

  • Relative Squared Error(相對平方誤差) = 0.133312

  • Coefficient of Determination(決定係數) = 0.866688

    https://ithelp.ithome.com.tw/upload/images/20181105/201119359AAos3UaYf.png


上一篇
Azure Machine Learning Studio 使用 R - Execute R Script
下一篇
Azure Machine Learning Studio 使用 Python - Execute Python Script
系列文
Azure Machine Learning Studio30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言