Обобщенная линейная регрессия

Обобщенные линейные модели регрессии с различными распределениями и функциями ссылки, включая логистическую регрессию

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.

Объекты

развернуть все

GeneralizedLinearModelОбобщенный линейный класс модели регрессии
CompactGeneralizedLinearModelКомпактный обобщенный линейный класс модели регрессии
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

развернуть все

Создайте GeneralizedLinearModel Объект

fitglmСоздайте обобщенную линейную модель регрессии
stepwiseglmСоздайте обобщенную линейную модель регрессии ступенчатой регрессией

Создайте CompactGeneralizedLinearModel Объект

compactКомпактная обобщенная линейная модель регрессии

Добавьте или удалите условия из обобщенной линейной модели

addTermsДобавьте условия в обобщенную линейную модель регрессии
removeTermsУдалите условия из обобщенной линейной модели регрессии
stepУлучшите обобщенную линейную модель регрессии путем добавления или удаления условий

Предскажите ответы

fevalПредскажите ответы обобщенной линейной модели регрессии использование входа того для каждого предиктора
predictПредскажите ответы обобщенной линейной модели регрессии
randomСимулируйте ответы со случайным шумом для обобщенной линейной модели регрессии

Оцените обобщенную линейную модель

coefCIДоверительные интервалы содействующих оценок обобщенной линейной модели регрессии
coefTestЛинейный тест гипотезы на обобщенных линейных коэффициентах модели регрессии
devianceTestАнализ отклонения для обобщенной линейной модели регрессии
partialDependenceВычислите частичную зависимость

Визуализируйте обобщенную линейную и итоговую статистику модели

plotDiagnosticsПостройте диагностику наблюдения обобщенной линейной модели регрессии
plotPartialDependenceСоздайте графики отдельного условного ожидания (ICE) и частичный график зависимости (PDP)
plotResidualsПостройте остаточные значения обобщенной линейной модели регрессии
plotSliceГрафик срезов через подходящую обобщенную линейную поверхность регрессии

Соберите свойства обобщенной линейной модели

gatherСоберите свойства модели машинного обучения от графического процессора

Создание объекта

fitclinearПодбирайте линейную модель классификации к высоко-размерным данным
fitcecocПодбирайте модели мультикласса для машин опорных векторов или других классификаторов
fitckernelПодбирайте Гауссову модель классификации ядер использование случайного расширения функции
templateLinearЛинейный шаблон ученика классификации

Предскажите метки

predictПредскажите метки для линейных моделей классификации
predictКлассифицируйте наблюдения с помощью модели выходных кодов с коррекцией ошибок (ECOC) мультикласса
predictПредскажите метки для Гауссовой модели классификации ядер
mnrfitЛогистическая регрессия многочлена
mnrvalЗначения логистической регрессии многочлена
glmfitПодбирайте обобщенную линейную модель регрессии
glmvalОбобщенные линейные значения модели

Темы

Обобщенная линейная регрессия

Обобщенные линейные модели

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

Обозначение Уилкинсона обеспечивает способ описать регрессию и модели повторных измерений, не задавая содействующие значения.

Логистическая регрессия многочлена

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.

Для просмотра документации необходимо авторизоваться на сайте