Для большей точности и выбора функции звена на наборах данных с низкой и средней размерностью подбирайте обобщенную линейную модель с штрафом лассо, используя lassoglm.
Для сокращения времени вычисления на высоко-размерных наборах данных обучите двоичную, линейную классификационную модель, такую как регуляризованная логистическая регрессионная модель, используя fitclinear. Можно также эффективно обучить многоклассовую модель выходных кодов с коррекцией ошибок (ECOC), состоящую из логистических регрессионых моделей, используя fitcecoc.
Для нелинейной классификации с большими данными обучите двоичную Гауссову модель классификации ядра с регуляризованной логистической регрессией с использованием fitckernel.
ClassificationLinear | Линейная модель для двоичной классификации высокомерных данных |
ClassificationECOC | Многоклассовая модель для машин опорных векторов (SVM) и других классификаторов |
ClassificationKernel | Гауссовская модель классификации ядра с использованием расширения случайных функций |
ClassificationPartitionedLinear | Перекрестная проверенная линейная модель для двоичной классификации высокомерных данных |
ClassificationPartitionedLinearECOC | Перекрестная проверенная модель выходных кодов с линейной коррекцией ошибок для многоклассовой классификации высокомерных данных |
lassoglm | Лассо или упругая сетевая регуляризация для обобщенных линейных моделей |
fitclinear | Подгонка линейной классификационной модели к высоко-размерным данным |
templateLinear | Шаблон обучающегося с линейной классификацией |
fitcecoc | Подгонка многоклассовых моделей для машин опорных векторов или других классификаторов |
predict | Спрогнозируйте метки для линейных моделей классификации |
fitckernel | Подгонка Гауссовой модели классификации ядра с использованием расширения случайных функций |
predict | Предсказать метки для Гауссовой модели классификации ядра |
Регуляризация регрессии Пуассона
Идентифицируйте и удалите избыточные предикторы из обобщенной линейной модели.
Упорядочение логистической регрессии
Регуляризация биномиальной регрессии.
Упорядочение широких данных параллельно
Упорядочить модель с гораздо большим количеством предикторов, чем наблюдения.
Регуляризация Лассо обобщенных линейных моделей
Алгоритм lasso создает меньшую модель с меньшим количеством предикторов. Связанный алгоритм упругой сети может быть более точным, когда предикторы сильно коррелируются.
