Многофакторная линейная регрессия

Линейная регрессия с несколькими переменными предикторами

Для большей точности на низко-размерном через средние размерные наборы данных подбирайте модель линейной регрессии использование fitlm.

Для сокращения времени вычисления на высоко-размерных наборах данных подбирайте линейную регрессионую модель используя fitrlinear.

Приложения

Regression LearnerОбучите модели регрессии предсказывать данные с помощью машинного обучения с учителем

Объекты

LinearModelМодель линейной регрессии
CompactLinearModelКомпактная модель линейной регрессии
RegressionLinearМодель линейной регрессии для высоко-размерных данных
RegressionPartitionedLinearПерекрестная подтвержденная модель линейной регрессии для высоко-размерных данных

Функции

развернуть все

Создайте LinearModel Объект

fitlmПодбирайте модель линейной регрессии
stepwiselmВыполните ступенчатую регрессию

Создайте CompactLinearModel Объект

compactКомпактная модель линейной регрессии

Добавьте или удалите условия из линейной модели

addTermsДобавьте условия в модель линейной регрессии
removeTermsУдалите условия из модели линейной регрессии
stepУлучшите модель линейной регрессии путем добавления или удаления условий

Предскажите ответы

fevalПредскажите ответы модели линейной регрессии использование входа того для каждого предиктора
predictПредскажите ответы модели линейной регрессии
randomСимулируйте ответы со случайным шумом для модели линейной регрессии

Оцените линейную модель

anovaДисперсионный анализ для модели линейной регрессии
coefCIДоверительные интервалы содействующих оценок модели линейной регрессии
coefTestЛинейный тест гипотезы на коэффициентах модели линейной регрессии
dwtestТест Дербин-Уотсона с объектом модели линейной регрессии

Визуализируйте линейную и итоговую статистику модели

plotГрафик поля точек или добавленный переменный график модели линейной регрессии
plotAddedДобавленный переменный график модели линейной регрессии
plotAdjustedResponseНастроенный график отклика модели линейной регрессии
plotDiagnosticsПостройте диагностику наблюдения модели линейной регрессии
plotEffectsПостройте основные эффекты предикторов в модели линейной регрессии
plotInteractionПостройте эффекты взаимодействия двух предикторов в модели линейной регрессии
plotPartialDependenceСоздайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP)
plotResidualsПостройте остаточные значения модели линейной регрессии
plotSliceГрафик срезов через подходящую поверхность линейной регрессии

Создание объекта

fitrlinearПодбирайте модель линейной регрессии к высоко-размерным данным

Работа с RegressionLinear Объект

predictПредскажите ответ модели линейной регрессии
lossПотеря регрессии для моделей линейной регрессии
plotPartialDependenceСоздайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP)
selectModelsВыберите подбиравшие упорядоченные модели линейной регрессии

Работа с RegressionPartitionedLinear Объект

kfoldLossПотеря регрессии для наблюдений, не используемых в обучении
kfoldPredictПредскажите ответы для наблюдений, не используемых в обучении

Соответствуйте и оцените линейную регрессию

dwtestТест Дербин-Уотсона с остаточными входными параметрами
invpredОбратное предсказание
linhyptestЛинейный тест гипотезы
plsregressЧастичная регрессия наименьших квадратов
regressМногофакторная линейная регрессия
regstatsДиагностика регрессии
relieffОцените важность использования предикторов алгоритм RReliefF или ReliefF
robustfitСоответствуйте устойчивой линейной регрессии
stepwisefitПодходящая модель линейной регрессии использование ступенчатой регрессии

Подготовка данных

x2fxПреобразуйте матрицу предиктора, чтобы спроектировать матрицу
dummyvarСоздайте фиктивные переменные

Интерактивные инструменты

robustdemoИнтерактивная устойчивая регрессия
rsmdemoИнтерактивная демонстрация поверхности ответа
rstoolИнтерактивное моделирование поверхности ответа
stepwiseИнтерактивная ступенчатая регрессия

Темы

Введение в линейную регрессию

Что такое модель линейной регрессии?

Модели регрессии описывают отношение между зависимой переменной и одной или несколькими независимыми переменными.

Линейная регрессия

Подбирайте модель линейной регрессии и исследуйте результат.

Ступенчатая регрессия

В ступенчатой регрессии предикторы автоматически добавляются к или обрезаются из модели.

Устойчивая регрессия — уменьшает эффекты выброса

Подбирайте устойчивую модель, которая менее чувствительна, чем обычные наименьшие квадраты к большим изменениям в мелких деталях данных.

Выберите функцию регрессии

Выберите функцию регрессии в зависимости от типа проблемы регрессии и унаследованный код обновления с помощью новых подходящих функций.

Сводные данные Выхода и диагностической статистики

Оцените подобранную модель при помощи свойств модели и объектных функций.

Обозначение Уилкинсона

Обозначение Уилкинсона обеспечивает способ описать регрессию и модели повторных измерений, не задавая содействующие значения.

Рабочие процессы линейной регрессии

Рабочий процесс линейной регрессии

Импортируйте и подготовьте данные, подбирайте модель 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.

Линейная регрессия Используя таблицы

В этом примере показано, как выполнить линейный и аналитические таблицы использования ступенчатой регрессии.

Линейная регрессия с категориальными ковариантами

Выполните регрессию с категориальными ковариантами с помощью категориальных массивов и fitlm.

Анализируйте данные временных рядов

В этом примере показано, как визуализировать и анализировать данные временных рядов с помощью timeseries возразите и regress функция.

Обучите модель линейной регрессии

Обучите модель линейной регрессии использование fitlm анализировать данные в оперативной памяти и данные, которые не помещаются в память.

Частичная регрессия наименьших квадратов

Частичные наименьшие квадраты

Частичные наименьшие квадраты (PLS) создают новые переменные предикторы как линейные комбинации исходных переменных предикторов, при рассмотрении наблюдаемых значений ответа, продвижении к экономной модели с надежной предсказательной силой.

Частичная регрессия наименьших квадратов и регрессия основных компонентов

В этом примере показано, как применить Частичную регрессию наименьших квадратов (PLSR) и Регрессию основных компонентов (PCR), и обсуждает эффективность этих двух методов.

Для просмотра документации необходимо авторизоваться на сайте