回归

• 回归学习者应用
  交互式地训练、验证和调整回归模型
  
• 线性回归
  多元、逐步、多元回归模型等等
  
• 广义线性模型
  Logistic回归、多项回归、泊松回归等等
  
• 非线性回归
  非线性固定效应和混合效应回归模型
  
• 金宝app支持向量机回归
  金宝app支持向量机的回归模型
  
• 高斯过程回归
  高斯过程回归模型(克里格)
  
• 回归树
  二叉决策树的回归
  
• 回归树集合体
  随机森林，增强和袋装回归树
  
• 广义加性模型
  由一元和二元形状函数组成的可解释回归模型
  
• 神经网络
  回归神经网络
  
• 增量学习
  拟合线性模型对流数据进行回归并跟踪其性能
  
• 可解释性
  训练可解释回归模型，解释复杂回归模型
  
• 模型建立与评估
  特征选择、特征工程、模型选择、超参数优化、交叉验证、残差诊断和绘图
  

特色的例子

用广义线性模型拟合数据

使用拟合和评估广义线性模型glmfit和glmval．

打开脚本

Logistic回归模型的贝叶斯分析

使用贝叶斯推理逻辑回归模型slicesample．

打开脚本

加权非线性回归

拟合非线性回归模型的数据与非常数误差方差。

打开脚本

偏最小二乘回归和主成分回归

应用偏最小二乘回归(PLSR)和主成分回归(PCR)，探讨两种方法的有效性。

打开生活的脚本

基于贝叶斯和ASHA优化的自动回归模型选择

使用fitrauto在给定训练预测器和响应数据的情况下，自动尝试选择具有不同超参数值的回归模型类型。

打开生活的脚本