Регрессия

Линейные, обобщенные линейные, нелинейные, и непараметрические методы для контролируемого изучения

Модели регрессии описывают отношение между ответом (выход) переменная и одним или несколькими предикторами (вход) переменные. Statistics and Machine Learning Toolbox™ позволяет вам подбирать линейные, обобщенные линейные, и нелинейные модели регрессии, включая пошаговые модели и модели смешанных эффектов. Если вы подбираете модель, можно использовать ее, чтобы предсказать или моделировать ответы, оценить качество модели используя проверку гипотезы или используя графики для визуализации диагностики, невязки и эффекты взаимодействия.

Statistics and Machine Learning Toolbox также предоставляет непараметрические методы регрессии, чтобы разместить более комплексные кривые регрессии, не задавая отношение между ответом и предикторами с предопределенной функцией регрессии. Можно предсказать ответы для новых данных с помощью обученной модели. Гауссовы модели регрессии процесса также позволяют вам вычислить интервалы предсказания.

Рекомендуемые примеры

Partial Least Squares Regression and Principal Components Regression

Частичная регрессия наименьших квадратов и регрессия основных компонентов

Примените Частичную регрессию наименьших квадратов (PLSR) и Регрессию основных компонентов (PCR), и обсуждает эффективность этих двух методов. PLSR и PCR являются оба методами, чтобы смоделировать переменную отклика, когда существует большое количество переменных предикторов, и те предикторы высоко коррелируются или даже коллинеарные. Оба метода создают новые переменные предикторы, известные как компоненты, как линейные комбинации исходных переменных предикторов, но они создают те компоненты по-разному. PCR создает компоненты, чтобы объяснить наблюдаемую изменчивость в переменных предикторах, не рассматривая переменную отклика вообще. С другой стороны, PLSR действительно принимает переменную отклика во внимание, и поэтому часто приводит к моделям, которые могут соответствовать переменной отклика меньшим количеством компонентов. Переводит ли это в конечном счете в более экономную модель, в терминах ее практического применения, зависит от контекста.

Для просмотра документации необходимо авторизоваться на сайте