主要内容
正则化
Ridge回归，套索，弹性网
为了更高的准确性和链接功能选择在低通过中维数据集上，适合使用套索惩罚的广义线性模型lassoglm.。
对于高维数据集的计算时间，使用的二进制线性分类模型（例如正则化逻辑回归模型）FitClinear.。您还可以有效地使用逻辑回归模型组成的多种误差校正输出代码（ECOC）模型使用Fitcecoc.。
对于具有大数据的非线性分类，用正则化逻辑回归列出二进制，高斯内核分类模型Fitconnelel.。
班级
分类线性 |
高维数据二进制分类的线性模型 |
Classifiedecoc. |
支持向量机（SVM）和其他分类器的多牌型号万博1manbetx |
ClassificationKernel. |
高斯内核分类模型使用随机特征扩展 |
分类分类线性 |
高维数据二进制分类的交叉验证的线性模型 |
ClassificationedAdearecoc. |
交叉验证的线性纠错输出代码模型，用于高维数据的多级数据分类 |
职能
lassoglm. |
广义线性模型的套索或弹性净正则化 |
FitClinear. |
将线性分类模型适合高维数据 |
TemplateLinear. |
线性分类学习者模板 |
Fitcecoc. |
适用于支持向量机或其他分类器的多键模型万博1manbetx |
预测 |
预测线性分类模型的标签 |
Fitconnelel. |
适合高斯内核分类模型使用随机功能扩展 |
预测 |
预测高斯内核分类模型的标签 |
概念
套索算法产生具有更少预测器的较小模型。当预测器高度相关时，相关弹性网算法可以更准确。
您还可以从以下列表中选择一个网站：
