matlab回归学习
前言
所谓回归学习即预测，便是由已知的数据推测未知的数据，利用转速与转矩来推测电流。
1、数据准备
下面虚拟一组转速转矩以及电流数据。
speed = [100 220 330 440 550 660];
torque = [200 300 400 500 700 900];
I = [400 500 603 739 821 912];
arr = [speed;torque];2、模型选择
点击matlab-APP中的回归学习器
以speed与torque作为输入，以I作为响应进行预测，其他的根据经验调一调，每个项目都不一样所以没有统一标准。
点击全部训练
可以看出神经网络的RMSE最小，误差最小，所以选择神经网络
3、模型导出
将误差最小的神经网络导出到工作区，点击“导出”-“导出模型”即可
虚拟一组预测数组
arr_tar=[300 220 324 234 535 234;342 234 435 456 676 345];利用预测模型进行预测
yfit = trainedModel.predictFcn(arr_tar);得出结果
| yfit = |
|---|
| 590.5091 |
| 515.3575 |
| 595.1618 |
| 466.7891 |
| 809.0545 |
| 500.0891 |
原文地址：https://blog.csdn.net/stm32f444/article/details/138145534
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！