Для большей точности и выбора функции ссылки на низко-размерном через средние размерные наборы данных, соответствуйте обобщенному линейному использованию модели регрессии fitglm
. Для логистической регрессии многочлена соответствуйте использованию модели mnrfit
.
Чтобы уменьшать время вычисления на высоко-размерных наборах данных, обучите двоичный файл, линейную модель классификации, такую как модель логистической регрессии, при помощи fitclinear
. Можно также эффективно обучить модель выходных кодов с коррекцией ошибок (ECOC) мультикласса, состоявшую из моделей логистической регрессии при помощи fitcecoc
.
Для нелинейной классификации с большими данными обучите двоичный файл, Гауссову модель классификации ядер с логистической регрессией при помощи fitckernel
.
Обобщенные линейные модели используют методы Linear описать потенциально нелинейное отношение между условиями предиктора и переменной отклика.
Обобщенный линейный рабочий процесс модели
Подбирайте обобщенную линейную модель и анализируйте результаты.
Подбор кривой данным с обобщенными линейными моделями
Соответствуйте и оцените обобщенное линейное использование моделей glmfit
и glmval
.
Обучите классификаторы логистической регрессии Используя приложение Classification Learner
Создайте и сравните классификаторы логистической регрессии и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.
Обозначение Уилкинсона обеспечивает способ описать регрессию и модели повторных измерений, не задавая содействующие значения.
Модели многочлена для номинальных ответов
Номинальная переменная отклика имеет ограниченный набор возможных значений без естественного порядка между ними. Номинальная модель ответа объясняет и предсказывает вероятность, что наблюдение находится в каждой категории категориальной переменной отклика.
Модели многочлена для порядковых ответов
Порядковая переменная отклика имеет ограниченный набор возможных значений, которые попадают в естественный порядок. Порядковая модель ответа описывает отношение между интегральными вероятностями категорий и переменных предикторов.
Иерархические модели многочлена
Иерархическая переменная отклика многочлена (также известный как последовательный или вложенный ответ многочлена) имеет ограниченный набор возможных значений, которые попадают в иерархические категории. Иерархические модели регрессии многочлена являются расширениями бинарных моделей регрессии на основе условных бинарных наблюдений.