regression
(Не рекомендуемый), Выполняют линейную регрессию мелких сетевых выходных параметров на целях
regression не рекомендуется. Использование fitlm (Statistics and Machine Learning Toolbox) вместо этого. Для получения дополнительной информации см. Вопросы совместимости.
Описание
[ вычисляет линейную регрессию между каждым элементом сетевого ответа и соответствующей целью. r,m,b] = regression(t,y)
Эта функция берет массив ячеек, или матрица предназначаются для t и выводят y, каждого с общими строками матрицы N, и возвращает значения регрессии, r, наклоны подгонки регрессии, m, и свободные члены, b, для каждой из строк матрицы N.
Примеры
Подбирайте модель регрессии и постройте подходящие значения по сравнению с целями
В этом примере показано, как обучить сеть прямого распространения и вычислить и построить регрессию между ее целями и выходные параметры.
Загрузите обучающие данные.
[x,t] = simplefit_dataset;
1 94 матричный x содержит входные значения и 1 94 матричный t содержит связанные целевые выходные значения.
Создайте нейронную сеть прямого распространения с одним скрытым слоем размера 20.
net = feedforwardnet(20);
Обучите сеть net использование обучающих данных.
net = train(net,x,t);
Оцените цели с помощью обучившего сеть.
y = net(x);
Вычислите и постройте регрессию между ее целями и выходные параметры.
[r,m,b] = regression(t,y)
r = 1.0000
m = 1.0000
b = 1.0878e-04
plotregression(t,y)
Входные параметры
Выходные аргументы
Вопросы совместимости
Смотрите также
plotregression | confusion | fitlm (Statistics and Machine Learning Toolbox)