国外留学生回归学习应用程序辅导

同学你好，我们可以辅导的。我们可以辅导留学生回归学习应用程序的学习。

您可以在回归学习应用程序中做一些事情来加速培训。只是提醒一下，我关注的是应用程序本身的技术。

建议1:使用平行回归模型训练

首先也是最容易尝试的是使用并行回归学习模型训练，如果你有并行计算工具箱的话。此选项创建一个并行池来进行并行训练，使您能够在继续工作的同时训练多个模型。如果选择此选项，您将在“历史记录”列表中看到每个培训和排队模型的进度指示器，并且您还可以随时取消单个模型。这种方法将有助于减少培训时间。

建议2:使用保持验证

如果您的数据仍然很大，请确保您使用了正确的验证选项。当您在回归学习应用程序中打开新会话并选择数据时，交叉验证默认情况下是选中的。

交叉验证有助于您将数据划分为若干折叠(k)，训练模型，计算所有折叠的平均测试误差。与其他选项相比，这种方法提供了更好的防止过度拟合的保护，但需要多次拟合，因此它适用于中小型数据集。

保持验证帮助您使用滑块控件选择一定百分比的数据用作测试集。该应用程序将在训练集上训练一个模型，并使用测试集评估其性能。用于测试的模型仅基于一部分数据，因此保持验证尤其适用于大型数据集。

当然，您也可以选择不验证您的模型，但这将使您容易过度适应训练数据。

建议3:只在一组模型类型上训练数据

如果您知道您的数据在一个特定的组模型中工作良好，或者一个特定的组模型训练太慢，您可以选中或取消选中该特定类型，而不是在应用程序中训练它们。如果您不确定，可以尝试该选项所有快速训练，它将训练通常快速训练的所有模型类型。然后，您可以训练特定组中均方根误差(RMSE)最低的所有模型，以找到最佳模型。了解有关训练回归模型的更多信息。

建议4:减少你的训练数据

你经常听到如何获得足够地数据，但这里的关键是确保你有足够的正确数据。你可能有一些多年前不必要的历史数据，这些数据已经不再有用了。删除或减少这类数据可以加快训练速度，尽管你当然希望关注数据的准确性和表示。这应该是您最后的选择，因为您必须非常谨慎地减少您的数据。