最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英语でご覧になれます。
低〜中次元のデータセットで精度を向上させるには,套索
または岭
を使用して正则化がある最小二乘回帰を実装します。
高次元データセットの计算时间を短缩するには,fitrlinear
を使用して,正则化された线形回帰モデルをあてはめます。
fitrlinear |
高次元データに対する线形回帰モデルのあてはめ |
预测 |
线形回帰モデルの応答予测 |
plotPartialDependence |
部分従属プロット(PDP)および个别条件付き期待値(ICE)プロットの作成 |
RegressionLinear |
高次元データ用の线形回帰モデル |
RegressionPartitionedLinear |
高次元データ用の交差検证済み线形回帰モデル |
不要な予测子を套索
がどのように识别して破弃するかを调べます。
套索
と弹性网を使用して,重量,排気量,马力および加速に基づく自动车の燃费(MPG)を予测します。
套索
と交差検证を使用して重要な予测子を识别します。
套索
アルゴリズムは正则化手法であり缩小推定器です。关连する弹性网アルゴリズムは,予测子间の相关性が高い场合に适しています。
リッジ回帰は,线形回帰问题における多重共线性(相关モデル项)の问题に対处します。