Регрессия

Линейные, обобщенные линейные, нелинейные, и непараметрические методы для контролируемого изучения

Модели регрессии описывают отношение между ответом (выход) переменная и одним или несколькими предикторами (вход) переменные. Statistics and Machine Learning Toolbox™ позволяет вам подбирать линейные, обобщенные линейные, и нелинейные модели регрессии, включая пошаговые модели и модели смешанных эффектов. Если вы подбираете модель, можно использовать ее, чтобы предсказать или моделировать ответы, оценить качество модели используя проверку гипотезы или используя графики для визуализации диагностики, невязки и эффекты взаимодействия.

Statistics and Machine Learning Toolbox также предоставляет непараметрические методы регрессии, чтобы вместить более комплексные кривые регрессии, не задавая отношение между ответом и предикторами с предопределенной функцией регрессии. Можно предсказать ответы для новых данных с помощью обученной модели. Гауссовы модели регрессии процесса также позволяют вам вычислить интервалы предсказания.

Click to go to the example, Linear Mixed-Effects Model Workflow.

Рекомендуемые примеры