Модель линейной регрессии для высоко-размерных данных
RegressionLinear
обученный линейный объект модели для регрессии; линейная модель является регрессией машины опорных векторов моделью линейной регрессии или (SVM). fitrlinear
соответствует RegressionLinear
модель путем минимизации целевой функции с помощью методов, которые уменьшают время вычисления для высоко-размерных наборов данных (e.g., стохастический градиентный спуск). Потеря регрессии плюс срок регуляризации составляет целевую функцию.
В отличие от других моделей регрессии, и для экономичного использования памяти, RegressionLinear
объекты модели не хранят обучающие данные. Однако они действительно хранят, например, предполагаемые линейные коэффициенты модели, оцененные коэффициенты и силу регуляризации.
Можно использовать, обучил RegressionLinear
модели, чтобы предсказать ответы для новых данных. Для получения дополнительной информации смотрите predict
.
Создайте RegressionLinear
объект при помощи fitrlinear
.
incrementalLearner | Преобразуйте модель линейной регрессии в инкрементного ученика |
loss | Потеря регрессии для моделей линейной регрессии |
partialDependence | Вычислите частичную зависимость |
plotPartialDependence | Создайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP) |
predict | Предскажите ответ модели линейной регрессии |
selectModels | Выберите подбиравшие упорядоченные модели линейной регрессии |
update | Обновите параметры модели для генерации кода |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел "Копирование объектов".