前言
没有机器学习基础但是想利用嵌入式AI？Edge Impulse绝对是不二之选！ 算法自动提供，代码一键生成，移植简单方便，简直是小白的福音！如果你打算涉及嵌入式 机器学习，那就快来看看吧！
Edge Impulse的回归模型可以从数据中学习模式，并将其应用于新数据。 非常适合预测数字连续值。本文将以拟合关系为y=2x+3的数据为例，通过训练回归模型来对数据进行预测。
创建数据集
仍然以CSV文件为例，创建CSV数据集。以y=2x+3创建的数据集格式如下：
5.csv：
timestamp,x
1,1
2,1
7.csv：
timestamp,x
1,2
2,2
9.csv：
timestamp,x
1,3
2,3
。。。。。。
注意：
1、CSV文件的要有两列，第一列为时间戳，对本模型的结果没有什么影响，但必须要有。时间戳顺序取值即可。
2、每一个CSV文件要有两行，并且x值要相同。
3、CSV文件的名字以其结果命名。比如第一个CSV文件的x为1，对应的y为5，则文件命名为5.CSV。
4、创建足够多的样本以提高预测的精度，如果要提高结果的分辨率，x的间隔可以设置为0.5或者更小，这里的x间隔设置为1。
模型训练
进入Edge Impulse，创建一个工程，在左侧点击Data acquisition上传数据集。
在上传数据集是，可以将以一部分数据上传为训练集(Training)，一部分数据上传为测试集(Testing)。标签(Label)设置为与文件同名。(标签即为设置的预期结果)
上传完毕后，在左侧转到Impulse Design,在下方找到Create Impulse。设置如下：
设置完毕后点击Save Impulse保存。
在左侧Create Impulse下方找到Raw Data并点击， 点击页面中的蓝色按钮Save parameter，在上方蓝色栏目中找到Generate features并点击，然后点击绿色按钮Generate features。
在左侧Raw Data下方找到Regression并点击，按照如下图方式设置，设置完毕后点击(Start training)开始训练。
模型验证和测试
在左侧找到Mode Testing，在这里你可以对上传的测试集进行测试，来验证模型的准确率。
我这里对x=2.25的情况进行了预测，根据y=2x+3，预期的结果应该是7.5，模型预测的结果为7.41，误差为0.09。
若要提高测量精度和分辨率，可以提高学习轮数或者减小数据集的x间隔。
Original: https://blog.csdn.net/m0_56041246/article/details/118937781
Author: 方恪
Title: 零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(2)——回归(预测)模型
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/631233/
转载文章受原作者版权保护。转载请注明原作者出处！