加载NLP的数据集。

加载nlpdata

X是预测数据的稀疏矩阵，并且ÿ是类别标签的分类矢量。有超过两个班中的数据。

该模型应标识在网页中的字数是否来自统计和机器学习工具箱™文档。因此，识别标签对应于统计和机器学习工具箱™文档网页。

Ystats = Y ==“统计”;

培养出二元线性分类模型，它可以识别在文档网页中的字数是否来自统计和机器学习工具箱™文档。指定要持币观察的30％。优化利用SpaRSA目标函数。

RNG（1）;％用于重现CVMdl = fitclinear（X，Ystats，“求解”，'sparsa'，'坚持'，0.30）;CMDL = CVMdl.Trained {1};

CVMdl是ClassificationPartitionedLinear模型。它包含属性熟练，这是一个1×1单元阵列保持ClassificationLinear模型，使用软件中的训练集训练。

提取分区定义的训练和测试数据。

trainIdx =训练（CVMdl.Partition）;testIdx =试验（CVMdl.Partition）;

估计训练 - 和测试样品分类误差。

ceTrain =损耗（CMDL，X（trainIdx，:)，Ystats（trainIdx））

ceTrain = 1.3572e-04

ceTest =损耗（CMDL，X（testIdx，:)，Ystats（testIdx））

ceTest = 5.2804e-04

因为在一个正则强CMDL，ceTrain和ceTest是数字标量。

加载NLP的数据集。预处理的数据作为估计试验样本分类损失，和转置预测数据。

加载nlpdataYstats = Y ==“统计”;X = X';

培养出二元线性分类模型。指定要持币观察的30％。优化利用SpaRSA目标函数。指定预测意见对应的列。

RNG（1）;％用于重现CVMdl = fitclinear（X，Ystats，“求解”，'sparsa'，'坚持'，0.30，...'ObservationsIn'，'列'）;CMDL = CVMdl.Trained {1};

CVMdl是ClassificationPartitionedLinear模型。它包含属性熟练，这是一个1×1单元阵列保持ClassificationLinear模型，使用软件中的训练集训练。

提取分区定义的训练和测试数据。

trainIdx =训练（CVMdl.Partition）;testIdx =试验（CVMdl.Partition）;

创建一个匿名函数，线性措施的损失，也就是说，

$${\mathrm{w\; ^}}_{Ĵ}$$是用于观察的重量Ĵ， $${ÿ}_{Ĵ}$$为响应Ĵ（-1为负类，否则为1），和 $$F_{Ĵ}$$是原始分类评分的观察Ĵ。自定义损失函数必须写在一个特定的形式。有关编写自定义的损失函数的规则，请参见LossFun名称 - 值对的参数。

linearloss = @（C，S，W，成本）和（。* -W总和（S. * C，2））/总和（W）;

估计使用线性损失函数的训练 - 和测试样品分类损失。

ceTrain =损耗（CMDL，X（：，trainIdx），Ystats（trainIdx），'LossFun'，linearloss，...'ObservationsIn'，'列'）

ceTrain = -7.8330

ceTest =损耗（CMDL，X（：，testIdx），Ystats（testIdx），'LossFun'，linearloss，...'ObservationsIn'，'列'）

ceTest = -7.7383

要确定使用逻辑回归学习线性分类模型良好的套索刑罚强度，比较试验样品的分类错误率。

加载NLP的数据集。预处理的数据作为指定自定义分类损失。

加载nlpdataYstats = Y ==“统计”;X = X';RNG（10）;％用于重现分区= cvpartition（Ystats，'坚持'，0.30）;testIdx =试验（分区）;XTEST = X（：，testIdx）;YTest = Ystats（testIdx）;

创建从一组11对数间隔的正规化优势 $$10^{-6}$$通过 $$10^{-0。\mathrm{五}}$$。

波长= LOGSPACE（-6，-0.5,11）;

火车二进制使用每个正规化的优势，线性分类模型。优化利用SpaRSA目标函数。降低目标函数的梯度公差1E-8。

CVMdl = fitclinear（X，Ystats，'ObservationsIn'，'列'，...'CVPartition'，划分，'学习者'，“物流”，“求解”，'sparsa'，...“正规化”，'套索'，“拉姆达”，λ，'GradientTolerance'，1E-8）

CVMdl = classreg.learning.partition.ClassificationPartitionedLinear CrossValidatedModel： '线性' ResponseName： 'Y' NumObservations：31572 KFold：1个分区：[1x1的cvpartition]类名：[0 1] ScoreTransform： '无' 的属性，方法

提取训练的线性分类模型。

MDL = CVMdl.Trained {1}

MDL = ClassificationLinear ResponseName： 'Y' 的类名：[0 1] ScoreTransform： '分对数' 贝塔：[34023x11双]偏压：[1x11双] LAMBDA：[1x11双]学习者： '物流' 的属性，方法

MDL是ClassificationLinear模型对象。因为LAMBDA是正规化的优势序列，你能想到的MDL作为11款车型，一个在每个正规化强度LAMBDA。

估计测试样品分类误差。

CE =损失（MDL，X（：，testIdx），Ystats（testIdx），'ObservationsIn'，'列'）;

因为有11分正规化的优势，CE是分类错误率的1×11矢量。

值越大，LAMBDA导致预测变量稀疏，这是一个分类的优良品质。对于每一个正规化的强度，使用整个数据集和，当您交叉验证模型相同的选项列车线性分类模型。确定每个模型的非零系数的数量。

MDL = fitclinear（X，Ystats，'ObservationsIn'，'列'，...'学习者'，“物流”，“求解”，'sparsa'，“正规化”，'套索'，...“拉姆达”，λ，'GradientTolerance'，1E-8）;numNZCoeff =总和（Mdl.Beta〜= 0）;

在同一图中，画出测试样品错误率以及对于每个正则化强度的非零系数的频率。绘制对数刻度的所有变量。

数字;并[h，HL1，HL2] = plotyy（日志10（LAMBDA），日志10（CE），...日志10（LAMBDA），日志10（numNZCoeff + 1））;hL1.Marker ='O';hL2.Marker ='O';ylabel（H（1），'LOG_ {10}分类错误'）ylabel（H（2），“LOG_ {10}的非零系数频率”）xlabel（'LOG_ {10} LAMBDA'）标题（“试验采样统计信息”）保持离

选择正规化强度指数是平衡预测变量的稀疏性和低分类误差。在这种情况下，之间的值 $$10^{-4}$$至 $$10^{-1}$$应该足够了。

idxFinal = 7;

从模型MDL与所选择的正则化强度。

MdlFinal = selectModels（MDL，idxFinal）;

MdlFinal是ClassificationLinear建模含有一个正则化强度。为了估计新的观察标签，合格MdlFinal和新数据预测。