Линейная регрессионая модель для высоко-размерных данных
RegressionLinear
является обученным объектом линейной модели для регрессии; линейная модель является машиной опорных векторов (SVM) или линейной регрессии. fitrlinear
подходит для RegressionLinear
модель путем минимизации целевой функции, используя методы, которые сокращают время расчета для высоко-размерных наборов данных (например, стохастический градиентный спуск). Регрессионные потери плюс термин регуляризации составляют целевую функцию.
В отличие от других регрессионных моделей и для экономичного использования памяти, RegressionLinear
объекты модели не хранят обучающие данные. Однако они сохраняют, для примера, предполагаемые линейные коэффициенты модели, оценочные коэффициенты и силу регуляризации.
Можно использовать обученные RegressionLinear
модели для предсказания откликов для новых данных. Для получения дополнительной информации смотрите predict
.
Создайте RegressionLinear
объект при помощи fitrlinear
.
incrementalLearner | Преобразуйте линейную регрессионую модель в инкрементальную обучающуюся |
lime | Локальные интерпретируемые модели-агностические объяснения (LIME) |
loss | Регрессионые потери для линейных регрессионых моделей |
partialDependence | Вычисление частичной зависимости |
plotPartialDependence | Создайте график частичной зависимости (PDP) и отдельные графики условного ожидания (ICE) |
predict | Предсказать ответ линейной регрессионой модели |
selectModels | Выберите подобранные регуляризованные линейные регрессионые модели |
shapley | Значения Shapley |
update | Обновите параметры модели для генерации кода |
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел «Копирование объектов».