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”;

使用整个数据集，可识别的文档网页中的字数是否来自统计和机器学习工具箱™文档训练二元线性分类模型。

RNG（1）;％用于重现MDL = fitclinear（X，Ystats）;

MDL是ClassificationLinear模型。

预测训练样本，或resubstitution，标签。

标记=预测（MDL，X）;

因为在一个正则强MDL，标签与长度是列向量等于观测值的数目。

构造一个混淆矩阵。

ConfusionTrain = confusionchart（Ystats，标签）;

该模型misclassifies只有一个“统计”文档页面为统计和机器学习工具箱文档之外。

加载NLP数据集和它进行预处理，如预计培训，样品标签。移调预测数据矩阵。

加载nlpdataYstats = Y ==“统计”;X = X';

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，...'ObservationsIn'，'列'）;MDL = 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）;

预测训练 - 和测试样品标签。

labelTrain =预测（MDL，X（：，trainIdx），'ObservationsIn'，'列'）;labelTest =预测（MDL，X（：，testIdx），'ObservationsIn'，'列'）;

因为在一个正则强MDL，labelTrain和labelTest与长度列向量分别等于训练和测试的观测数量，。

构建用于训练数据的混淆矩阵。

ConfusionTrain = confusionchart（Ystats（trainIdx），labelTrain）;

该模型misclassifies只有三个文档页面为统计和机器学习工具箱文档之外。

构建用于测试数据的混淆矩阵。

ConfusionTest = confusionchart（Ystats（testIdx），labelTest）;

该模型misclassifies 3个文档页面为统计和机器学习工具箱外，和两页为内部。

估计测试样品，后级的概率，和通过绘制ROC曲线确定模型的质量。线性分类模型返回只有回归学习者的后验概率。

加载NLP数据集和它进行预处理，如预测试验样品标签。

加载nlpdataYstats = Y ==“统计”;X = X';

随机指定30％的保留样本将数据划分为训练集和测试集。识别测试设定指标。

CVP = cvpartition（Ystats，'坚持'，0.30）;idxTest =试验（CVP）;

培养出二元线性分类模型。飞度回归学习者使用SpaRSA。持币观望的测试集，指定分区模型。

CVMdl = fitclinear（X，Ystats，'ObservationsIn'，'列'，'CVPartition'，CVP，...'学习者'，“物流”，“求解”，'sparsa'）;MDL = CVMdl.Trained {1};

MDL是ClassificationLinear模型中使用的分区指定的训练集训练的CVP只要。

预测测试样品后验概率类。

[〜，后] =预测（MDL，X（：，idxTest），'ObservationsIn'，'列'）;

因为在一个正则强MDL，后是具有2列的矩阵和行等于测试设定观测值的数目。柱一世包含的后验概率Mdl.ClassNames（I）给定一个特定的观察。

获取虚假和真实的阳性率，并估计AUC。指定第二类是积极类。

[FPR，TPR，〜，AUC] = perfcurve（Ystats（idxTest），后（：，2），Mdl.ClassNames（2））;AUC

AUC = 0.9986

该AUC是1，这表明预测以及模型。

绘制ROC曲线。

数字;情节（FPR，TPR）H = GCA;h.XLim（1）= -0.1;h.YLim（2）= 1.1;xlabel（“假阳性率”）ylabel（“真阳性率”）标题（“ROC曲线”）

ROC曲线和AUC表明，该模型几乎完全分类测试样品的观察。

要确定使用逻辑回归学习者线性分类模型良好的套索刑罚强度，比较AUC的测试样本值。

加载NLP的数据集。预处理的数据作为预测试验样品标签。

加载nlpdataYstats = Y ==“统计”;X = X';

创建数据分区，指定要抵抗的观察的10％。提取测试样本指数。

RNG（10）;％用于重现分区= cvpartition（Ystats，'坚持'，0.10）;testIdx =试验（分区）;XTEST = X（：，testIdx）;N =总和（testIdx）

N = 3157

YTest = Ystats（testIdx）;

有测试样品中的3157周的观察。

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。

Mdl1 = CVMdl.Trained {1}

Mdl1 = 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。

估计测试样品的预测的标签和后级的概率。

[标号，后] =预测（Mdl1，XTEST，'ObservationsIn'，'列'）;Mdl1.ClassNames;后（3,1,5）

ANS = 1.0000

标签是预测标签的3157×11矩阵。每列对应于所述模型的预测的标签训练有素使用相应的正则化强度。后是后验概率类的3157×2×11矩阵。列对应的类和页面对应正规化的优势。例如，后（3,1,5）表示的后验概率，所述第一类（标签0）由模型使用分配给观测3拉姆达（5）作为正规化强度是1.0000。

对于每个模型，计算出AUC。指定第二类为正类。

AUC = 1：numel（LAMBDA）;预分配％对于J = 1：numel（LAMBDA）[〜，〜，〜，AUC（J）] = perfcurve（YTest，后（：，2，J），Mdl1.ClassNames（2））;结束

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，使用整个数据集和相同的选项，当你训练模型的训练线性分类模型。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（AUC），...日志10（LAMBDA），日志10（numNZCoeff + 1））;hL1.Marker ='O';hL2.Marker ='O';ylabel（H（1），'LOG_ {10} AUC'）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高AUC。在这种情况下，之间的值 $$10^{-2}$$至 $$10^{-1}$$应该足够了。

idxFinal = 9;

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。