このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
多重線形回帰
複数の予測子変数をも線形回帰
低~中次元のデ,タセットで精度を向上させるには,fitlm
を使用して線形回帰モデルを当てはめます。
高次元デ,タセットの計算時間を短縮するには,fitrlinear
を使用して線形回帰モデルを当てはめます。
アプリ
回帰学習器 | 教師あり機械学習を使用して,デ,タを予測するように回帰モデルに学習をさせる |
オブジェクト
LinearModel |
線形回帰モデル |
CompactLinearModel |
コンパクトな線形回帰モデル |
RegressionLinear |
高次元デ,タ用の線形回帰モデル |
RegressionPartitionedLinear |
高次元デ,タ用の交差検証済み線形回帰モデル |
関数
トピック
線形回帰の紹介
- 線形回帰モデルとは
回帰モデルは,1の従属変数と1。 - 線形回帰
線形回帰モデルをあてはめ,結果を調べます。 - ステップワ@ @ズ回帰
ステップワesc escズ回帰では,予測子が自動的にモデルに対して追加またはトリミングされます。 - ロバスト回帰を使用した外れ値の影響の低減
データの小部分における大きい変化に対する感度が通常の最小二乗法より低いロバストモデルをあてはめます。 - 回帰関数の選択
回帰問題のタ@ @プに基づいて回帰関数を選択し,新しい近似関数を使用してレガシコ@ @ドを更新します。 - 出力と診断統計量の概要
モデルのプロパティとオブジェクト関数を使用して,あてはめたモデルを評価する。 - ウィルキンソンの表記法
ウィルキンソンの表記法を使用すると,係数の値を指定せずに回帰と反復測定のモデルを記述できます。
線形回帰ワクフロ
- 線形回帰ワクフロ
デタのンポトと準備,線形回帰モデルのあてはめ,品質のテストと改善,およびモデルの共有を行う。 - 線形回帰の結果の解釈
線形回帰の出力統計を表示および解釈します。 - 交互作用の影響による線形回帰
交互作用効果がある線形回帰モデルを作成および分析し,結果を解釈します。 - テ,ブルを使用した線形回帰
次の例では,テ,ブルを使用して線形およびステップワ,ズ回帰解析を行う方法を説明します。 - カテゴリカル共変量による線形回帰
分类配列とfitlm
を使用してカテゴリカル共変量による回帰を実行します。 - 時系列デ,タの解析
この例では,timeseries
オブジェクトと関数回归
を使用して時系列デ,タを可視化し解析する方法を示します。 - 線形回帰モデルの学習
fitlm
を使用して線形回帰モデルを学習させ,。
部分最小二乗回帰
- 部分最小二乗
部分最小二乗(PLS)は観測された応答値を考慮しつつ,元の予測子変数の線形結合として新しい予測子変数を構築し,信頼できる予測力をもつ倹約モデルを作成します。 - 部分最小二乗回帰と主成分回帰
部分最小二乗回帰(PLSR)と主成分回帰(PCR)を適用し,これら2つの手法の有効性を確認する。