主要内容

正则化

山脊回归,套索,弹性网

为了在低到中维数据集上获得更高的精度和链接函数选择,使用套索惩罚拟合广义线性模型lassoglm

为了减少高维数据集上的计算时间,使用以下方法训练二元线性分类模型,如正则化logistic回归模型fitclinear.您还可以使用使用有效地训练由逻辑回归模型组成的多类错误纠正输出代码(ECOC)模型fitcecoc

对于大数据的非线性分类,使用正则化逻辑回归训练二元高斯核分类模型fitckernel

ClassificationLinear 用于高维数据二值分类的线性模型
ClassificationECOC 支持向量机(SVMs)和其他分类器的多类模万博1manbetx型
ClassificationKernel 利用随机特征展开的高斯核分类模型
ClassificationPartitionedLinear 交叉验证线性模型用于高维数据的二值分类
ClassificationPartitionedLinearECOC 用于高维数据多类分类的交叉验证线性纠错输出码模型

功能

lassoglm 广义线性模型的套索或弹性网正则化
fitclinear 对高维数据拟合线性分类模型
templateLinear 线性分类学习模板
fitcecoc 适合支持向量机或其他分类器的多类模型万博1manbetx
预测 预测线性分类模型的标签
fitckernel 利用随机特征展开拟合高斯核分类模型
预测 预测高斯核分类模型的标签

例子和如何

规范泊松回归

识别并去除广义线性模型中的冗余预测器。

规范逻辑回归

规范二项式回归。

并行规范宽数据

用比观测更多的预测因子规范模型。

概念

广义线性模型的套索正则化

套索算法产生的模型更小,预测量更少。当预测因子高度相关时,相关的弹性网算法可以更准确。