Гребенчатая регрессия
возвращает содействующие оценки для гребенчатых моделей регрессии данных о предикторе B
= ridge(y
,X
,k
)X
и ответ y
. Каждый столбец B
соответствует конкретному гребенчатому параметру k
. По умолчанию функция вычисляет B
после центрирования и масштабирования предикторов, чтобы иметь среднее значение 0 и стандартное отклонение 1. Поскольку модель не включает постоянный термин, не добавляйте столбец 1 с к X
.
задает масштабирование для содействующих оценок в B
= ridge(y
,X
,k
,scaled
)B
. Когда scaled
1
(значение по умолчанию), ridge
не восстанавливает коэффициенты к исходной шкале данных. Когда scaled
0
, ridge
восстанавливает коэффициенты к шкале исходных данных. Для получения дополнительной информации смотрите, что Коэффициент Масштабируется.
ridge
обработки NaN
значения в X
или y
как отсутствующие значения. ridge
не использует наблюдения с отсутствующими значениями от гребенчатой подгонки регрессии.
В общем случае установите scaled
равняйтесь 1
произвести графики, где коэффициенты отображены по той же шкале. Смотрите Гребенчатую Регрессию для примера с помощью гребенчатого графика трассировки, где коэффициенты регрессии отображены как функция гребенчатого параметра. При создании предсказаний, набор scaled
равняйтесь 0
. Для примера смотрите, Предсказывают Значения Используя Гребенчатую Регрессию.
Гребень, лассо и эластичная сетевая регуляризация являются всеми методами для оценки коэффициентов линейной модели при наложении штрафа на большие коэффициенты. Тип штрафа зависит от метода (см. Больше О для получения дополнительной информации). Чтобы выполнить лассо или эластичную сетевую регуляризацию, использовать lasso
вместо этого.
Если у вас есть высоко-размерные полные или разреженные данные о предикторе, можно использовать fitrlinear
вместо ridge
. При использовании fitrlinear
, задайте 'Regularization','ridge'
аргумент пары "имя-значение". Установите значение 'Lambda'
аргумент пары "имя-значение" вектору из гребенчатых параметров по вашему выбору. fitrlinear
возвращает обученную линейную модель Mdl
. Можно получить доступ к содействующим оценкам, сохраненным в Beta
свойство модели при помощи Mdl.Beta
.
[1] Hoerl, A. E. и Р. В. Кеннард. “Гребенчатая Регрессия: Смещенная Оценка для Неортогональных проблем”. Технометрики. Издание 12, № 1, 1970, стр 55–67.
[2] Hoerl, A. E. и Р. В. Кеннард. “Гребенчатая Регрессия: Приложения к Неортогональным проблемам”. Технометрики. Издание 12, № 1, 1970, стр 69–82.
[3] Marquardt, D. W. “Обобщенные Инверсии, Гребенчатая Регрессия, Смещенная Линейная Оценка и Нелинейная Оценка”. Технометрики. Издание 12, № 3, 1970, стр 591–612.
[4] Marquardt, D. W. и Р. Д. Сни. “Гребенчатая Регрессия на практике”. Американский Статистик. Издание 29, № 1, 1975, стр 3–20.
fitrlinear
| lasso
| regress
| stepwise