为了通过中维数据集对低维度的更高的准确性和链路功能选择,适用于普遍的线性回归模型Fitglm.
。对于多项式逻辑回归,适合模型使用mnrfit
。
为了减少在高维数据集上的计算时间,使用FitClinear.
。您还可以通过使用,有效地培训由逻辑回归模型组成的多种误差校正输出代码(ECOC)模型fitcecoc
。
对于具有大数据的非线性分类,使用Logistic回归培训二进制,高斯内核分类模型fitckernel
。
广义线性模型使用线性方法来描述预测器术语与响应变量之间的潜在非线性关系。
拟合一个广义线性模型并分析结果。
使用和评估广义线性模型的使用glmfit.
和glmval.
。
使用贝叶斯推理逻辑回归模型slicesample
。
创建和比较逻辑回归分类器,并导出培训的模型来对新数据进行预测。
Wilkinson表示法提供了一种描述回归和重复测量模型的方法,而无需指定系数值。