Módulos de regressão
Importante
O suporte para o Machine Learning Studio (clássico) terminará em 31 de agosto de 2024. É recomendável fazer a transição para o Azure Machine Learning até essa data.
A partir de 1º de dezembro de 2021, você não poderá criar recursos do Machine Learning Studio (clássico). Até 31 de agosto de 2024, você pode continuar usando os recursos existentes do Machine Learning Studio (clássico).
- Confira informações sobre como mover projetos de machine learning do ML Studio (clássico) para o Azure Machine Learning.
- Saiba mais sobre o Azure Machine Learning.
A documentação do ML Studio (clássico) está sendo desativada e pode não ser atualizada no futuro.
Este artigo descreve os módulos no Machine Learning Studio (clássico) que suportam a criação de modelos de regressão.
Observação
Aplica-se a: Machine Learning Studio (clássico) somente
Módulos semelhantes do tipo "arrastar e soltar" estão disponíveis no designer do Azure Machine Learning.
Mais sobre regressão
A regressão é uma metodologia amplamente usada em campos que vão da engenharia à educação. Por exemplo, você pode usar a regressão para prever o valor de uma casa com base em dados regionais ou para criar projeções sobre o registro futuro.
As tarefas de regressão têm suporte em muitas ferramentas: por exemplo, Excel fornece análise "What If", previsão ao longo do tempo e o Analysis ToolPak para regressão tradicional.
Os módulos para regressão no Machine Learning Studio (clássico) incorporam um método ou algoritmo diferente para regressão. Em geral, um algoritmo de regressão tenta aprender o valor de uma função para uma instância específica de dados. Você pode prever a altura de alguém usando uma função de altura ou prever a probabilidade de admissão no hospital com base em valores de teste médico.
Os algoritmos de regressão podem incorporar a entrada de vários recursos determinando a contribuição de cada recurso dos dados para a função de regressão.
Como criar um modelo de regressão
Primeiro, selecione o algoritmo de regressão que atenda às suas necessidades e atenda aos seus dados. Para saber mais, confira estes tópicos:
Folha de dados de algoritmo de aprendizado de máquina para Machine Learning
Fornece um gráfico de decisão para orientá-lo pelo processo de seleção.
Como escolher Machine Learning para clustering, classificação ou regressão
Explica mais detalhadamente os diferentes tipos de algoritmos de aprendizado de máquina e como eles são usados.
Adicionar dados de treinamento. Consulte a referência de módulo para cada algoritmo com antecedência para determinar se os dados de treinamento têm requisitos especiais, além de um resultado numérico.
Para treinar o modelo, execute o experimento. Depois que o algoritmo de regressão tiver aprendido com os dados rotulados, você poderá usar a função aprendida para fazer previsões sobre novos dados.
Lista de módulos
- Regressão Linear Bayesiana: cria um modelo de regressão linear bayesiana.
- Regressão de Árvore de Decisão Reforçada: cria um modelo de regressão usando o algoritmo Árvore de Decisão Reforçada.
- Regressão de floresta de decisão: cria um modelo de regressão usando o algoritmo de floresta de decisão.
- Regressão quântica de floresta rápida: cria um modelo de regressão quântica.
- Regressão Linear: cria um modelo de regressão linear.
- Regressão de rede neural: cria um modelo de regressão usando um algoritmo de rede neural.
- Regressão ordinal: cria um modelo de regressão ordinal.
- Regressão de Poisson: cria um modelo de regressão que pressupo que os dados têm uma distribuição Poisson.
Exemplos
Para ver exemplos de regressão em ação, consulte o Galeria de IA do Azure.