Подбирайте обобщенную линейную модель регрессии
задает дополнительные опции с помощью одного или нескольких аргументов значения имени. Например, можно задать b
= glmfit(X
,y
,distr
,Name,Value
)'Constant','off'
не использовать постоянный термин из модели.
[
также возвращает значение b
,dev
] = glmfit(___)dev
, отклонение подгонки.
glmfit
полезно, когда вам просто нужны выходные аргументы функции или, когда это необходимо, повторить подбирающую модель многократно в цикле. Если необходимо исследовать подобранную модель далее, создайте обобщенный линейный объект модели регрессии GeneralizedLinearModel
при помощи fitglm
или stepwiseglm
. GeneralizedLinearModel
объект обеспечивает больше функций, чем glmfit
.
Используйте свойства GeneralizedLinearModel
исследовать подобранную модель. Свойства объектов включают информацию о содействующих оценках, итоговой статистике, подходящем методе и входных данных.
Используйте объектные функции GeneralizedLinearModel
чтобы предсказать ответы и изменить, оцените и визуализируйте обобщенную линейную модель регрессии.
Можно найти информацию в выходе glmfit
использование свойств и объектных функций GeneralizedLinearModel
.
Выход glmfit | Эквивалентные стоимости в GeneralizedLinearModel |
---|---|
b | Смотрите Estimate столбец Coefficients свойство. |
dev | Смотрите Deviance свойство. |
stats | Смотрите отображение модели в Командном окне. Можно найти статистику в свойствах модели ( Дисперсионный параметр в |
[1] Добсон, A. J. Введение в обобщенные линейные модели. Нью-Йорк: Chapman & Hall, 1990.
[2] Маккуллаг, P. и Дж. А. Нелдер. Обобщенные линейные модели. Нью-Йорк: Chapman & Hall, 1990.
[3] Collett, D. Моделирование двоичных данных. Нью-Йорк: Chapman & Hall, 2002.
fitglm
| GeneralizedLinearModel
| glmval
| regress
| regstats
| stepwiseglm