Подгонка обобщенной линейной регрессионой модели
задает дополнительные опции, используя один или несколько аргументов имя-значение. Для примера можно задать b
= glmfit(X
,y
,distr
,Name,Value
)'Constant','off'
для опускания постоянного члена из модели.
[
также возвращает значение b
,dev
] = glmfit(___)dev
, отклонение подгонки.
glmfit
полезно, когда вам просто нужны выходные аргументы функции или когда вы хотите повторить подбор кривой модели несколько раз в цикле. Если вам нужно исследовать подобранную модель дальше, создайте обобщенный объект линейной регрессионой модели GeneralizedLinearModel
при помощи fitglm
или stepwiseglm
. A GeneralizedLinearModel
объект предоставляет больше функций, чем glmfit
.
Используйте свойства GeneralizedLinearModel
чтобы исследовать подобранную модель. Свойства объекта включают информацию о оценках коэффициентов, сводной статистике, методе аппроксимации и входных данных.
Используйте функции объекта GeneralizedLinearModel
предсказать ответы и изменить, оценить и визуализировать обобщенную линейную регрессионую модель.
Вы можете найти информацию в выходах glmfit
использование свойств и функций объекта GeneralizedLinearModel
.
Выход glmfit | Эквивалентные значения в GeneralizedLinearModel |
---|---|
b | Смотрите Estimate столбец Coefficients свойство. |
dev | Смотрите Deviance свойство. |
stats | Смотрите отображение модели в Командном окне. Вы можете найти статистику в свойствах модели ( Параметр дисперсии в |
[1] Добсон, А. Дж. Введение в обобщенные линейные модели. Нью-Йорк: Chapman & Hall, 1990.
[2] McCullagh, P., and J. A. Nelder. Обобщенные линейные модели. Нью-Йорк: Chapman & Hall, 1990.
[3] Collett, D. Modeling Binary Data. Нью-Йорк: Chapman & Hall, 2002.
fitglm
| GeneralizedLinearModel
| glmval
| regress
| regstats
| stepwiseglm