多数の重複する観測値がデータセットに含まれている。

少数の重複する観測値が回帰直線の近くにあると考えられる。

$${\mu }_j^{\ast }＝\frac{1}{{\displaystyle \underset{k}{\sum }{w}_k}}{\displaystyle \underset{k}{\sum }{w}_k{x}_{jk}}．$$

x_jkは，予测子j（列）ののk（行）です。

$${（{\sigma }_j^{\ast }）}^2＝\frac{v_1}{v_1^2-v_2}{\displaystyle \underset{k}{\sum }{w}_k{（x_{jk}-{\mu }_j^{\ast }）}^2}．$$

$$v_1＝{\displaystyle \underset{j}{\sum }{w}_j}．$$

$$v_2＝{\displaystyle \underset{j}{\sum }{（w_j）}^2}．$$

预测的人プロパティには,元の予測子変数名のそれぞれについて1つずつ要素が格納されます。たとえば,3.つの予測子があり、そのうちの 1 つは 3 つのレベルがあるカテゴリカル変数であるとします。この場合、预测的人は元の予測子変数名が含まれている1行3列の文字ベクトルの细胞配列になります。

ExpandedPredictornames.プロパティには,ダミー変数を含む予測子変数のそれぞれについて1つずつ要素が格納されます。たとえば,3.つの予測子があり、そのうちの 1 つは 3 つのレベルがあるカテゴリカル変数であるとします。この場合、ExpandedPredictornames.は予測子変数および新しいダミー変数の名前が含まれている1行5列の文字ベクトルの细胞配列になります。

同様に,βプロパティには,ダミー変数を含む各予測子について1つずつベータ係数が格納されます。

万博1manbetxSupportVectorsプロパティには,ダミー変数を含むサポートベクターの予測子の値が格納されます。たとえば,m 個のサポート ベクターと 3 つの予測子があり、そのうちの 1 つは 3 つのレベルがあるカテゴリカル変数であるとします。この場合、万博1manbetxSupportVectorsはm行5列の行列になります。

Xプロパティには，はじめにに力し状态で习习がますささますれ。Xには予测子として使用した列のみが格纳されます。

k個の順序付きレベルが変数に含まれている場合,k - 1个のダミー位数が作物さます.j番目のダミーダミー，jまでのレベルについては－１、j + 1からkまでのレベルについては＋1になります。

ExpandedPredictornames.プロパティに格納されるダミー変数の名前は1番目のレベルを示し,値は＋1になります。レベル2、3、……kの名前を含むk - 1個の追加予測子名がダミー変数について格納されます。