Регуляризация

Гребенчатая регрессия, лассо, эластичные сети

Для большей точности на низком - через средние размерные наборы данных, реализуйте регрессию наименьших квадратов с регуляризацией с помощью lasso или ridge.

Для сокращения времени вычисления на высоко-размерных наборах данных подбирайте упорядоченную модель линейной регрессии использование fitrlinear.

Функции

lassoЛовите арканом или эластичная сетевая регуляризация для линейных моделей
ridgeГребенчатая регрессия
lassoPlotПроследите график подгонки лассо
fitrlinearПодбирайте модель линейной регрессии к высоко-размерным данным
predictПредскажите ответ модели линейной регрессии

Классы

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

Темы

Ловите арканом регуляризацию

Смотрите как lasso идентифицирует и отбрасывает ненужные предикторы.

Ловите арканом и эластичная сеть с перекрестной проверкой

Предскажите пробег (MPG) автомобиля на основе его веса, смещения, лошадиной силы и ускоряющего использования lasso и эластичная сеть.

Широкие Данные через Лассо и Параллельные вычисления

Идентифицируйте важное использование предикторов lasso и перекрестная проверка.

Ловите арканом и эластичная сеть

lasso алгоритм является методом регуляризации и средством оценки уменьшения. Связанный эластичный сетевой алгоритм более подходит, когда предикторы высоко коррелируются.

Гребенчатая регрессия

Гребенчатая регрессия решает проблему мультиколлинеарности (коррелируемые условия модели) в проблемах линейной регрессии.

Для просмотра документации необходимо авторизоваться на сайте