Для большей точности на низко-размерном через средние размерные наборы данных соответствуйте модели линейной регрессии использование fitlm.
В течение уменьшаемого времени вычисления на высоко-размерных наборах данных соответствуйте модели линейной регрессии использование fitrlinear.
| Regression Learner | Обучите модели регрессии предсказывать данные с помощью машинного обучения с учителем |
LinearModel | Модель линейной регрессии |
CompactLinearModel | Компактная модель линейной регрессии |
RegressionLinear | Модель линейной регрессии для высоко-размерных данных |
RegressionPartitionedLinear | Перекрестная подтвержденная модель линейной регрессии для высоко-размерных данных |
Рабочий процесс линейной регрессии
Импортируйте и подготовьте данные, соответствуйте модели линейной регрессии, протестируйте и улучшите ее качество и совместно используйте модель.
Интерпретируйте результаты линейной регрессии
Отобразите и интерпретируйте линейную регрессию выходная статистика.
Линейная регрессия с эффектами взаимодействия
Создайте и анализируйте модель линейной регрессии с эффектами взаимодействия и интерпретируйте результаты.
Этот пример показывает, как выполнить линейные и пошаговые таблицы использования регрессионных анализов.
Регрессия с категориальными ковариантами
Выполните регрессию с категориальными ковариантами с помощью категориальных массивов и fitlm.
Что такое модель линейной регрессии?
Модели регрессии описывают отношение между зависимой переменной и одной или несколькими независимыми переменными.
Соответствуйте модели линейной регрессии и исследуйте результат.
Устойчивая регрессия — уменьшает эффекты выброса
Соответствуйте устойчивой модели, которая менее чувствительна, чем обычные наименьшие квадраты к большим изменениям в мелких деталях данных.
В пошаговой регрессии предикторы автоматически добавляются к или обрезаются из модели.
Частичные наименьшие квадраты (PLS) создают новые переменные прогноза как линейные комбинации исходных переменных прогноза, при рассмотрении наблюдаемых значений ответа, продвижении к экономной модели с надежной предсказательной силой.
Частичная регрессия наименьших квадратов и регрессия основных компонентов
Этот пример показывает, как применить Частичную регрессию наименьших квадратов (PLSR) и Регрессию основных компонентов (PCR), и обсуждает эффективность этих двух методов.
Выберите функцию регрессии в зависимости от типа проблемы регрессии и обновите унаследованный код с помощью новых подходящих функций.
Регрессия временных рядов данных авиапассажира
Этот пример показывает, как анализировать данные временных рядов, использующие функции Statistics and Machine Learning Toolbox™.
Обозначение Уилкинсона обеспечивает способ описать регрессию и повторенные модели мер, не задавая содействующие значения.
Сводные данные Вывода и диагностической статистики
Оцените подобранную модель при помощи образцовых свойств и объектных функций
