Регуляризация

Гребенчатая регрессия, лассо, эластичные сети

Для большей точности и функционального ссылкой выбора на низком - через средние размерные наборы данных, подбирайте обобщенную линейную модель со штрафом лассо с помощью lassoglm.

Для сокращения времени вычисления на высоко-размерных наборах данных обучите двоичный файл, линейную модель классификации, такую как упорядоченная модель логистической регрессии, с помощью fitclinear. Можно также эффективно обучить модель выходных кодов с коррекцией ошибок (ECOC) мультикласса, состоявшую из моделей логистической регрессии с помощью fitcecoc.

Для нелинейной классификации с большими данными обучите двоичный файл, Гауссову модель классификации ядер с упорядоченной логистической регрессией с помощью fitckernel.

Классы

ClassificationLinearЛинейная модель для бинарной классификации высоко-размерных данных
ClassificationECOCМодель Multiclass для машин опорных векторов (SVMs) и других классификаторов
ClassificationKernelГауссова модель классификации ядер использование случайного расширения функции
ClassificationPartitionedLinearПерекрестная подтвержденная линейная модель для бинарной классификации высоко-размерных данных
ClassificationPartitionedLinearECOCПерекрестная подтвержденная линейная выходная модель кода с коррекцией ошибок для классификации мультиклассов высоко-размерных данных

Функции

lassoglmЛовите арканом или эластичная сетевая регуляризация для обобщенных линейных моделей
fitclinearПодбирайте линейную модель классификации к высоко-размерным данным
templateLinearЛинейный шаблон ученика классификации
fitcecocПодбирайте модели мультикласса для машин опорных векторов или других классификаторов
predictПредскажите метки для линейных моделей классификации
fitckernelПодбирайте Гауссову модель классификации ядер использование случайного расширения функции
predictПредскажите метки для Гауссовой модели классификации ядер

Примеры и руководства

Упорядочите регрессию Пуассона

Идентифицируйте и удалите избыточные предикторы из обобщенной линейной модели.

Упорядочите логистическую регрессию

Упорядочите биномиальную регрессию.

Упорядочите широкие данные параллельно

Упорядочите модель со значительно большим количеством предикторов, чем наблюдения.

Концепции

Ловите арканом регуляризацию обобщенных линейных моделей

Алгоритм лассо производит меньшую модель с меньшим количеством предикторов. Связанный эластичный сетевой алгоритм может быть более точным, когда предикторы высоко коррелируются.

Для просмотра документации необходимо авторизоваться на сайте