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

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。