高维数据的线性回归模型
RegressionLinear
是经过训练的线性回归模型对象;线性模型是支持向量机回归(SVM)或线性回归金宝app模型。fitrlinear
符合一个RegressionLinear
使用减少高维数据集计算时间(例如,随机梯度下降)的技术最小化目标函数进行建模。回归损失加上正则化项构成目标函数。
与其他回归模型不同的是,为了节省内存使用,RegressionLinear
模型对象不存储训练数据。然而,它们确实存储,例如,估计的线性模型系数,估计的系数,和正则化强度。
你可以用受训过的RegressionLinear
预测新数据响应的模型。详情请参见预测
.
创建一个RegressionLinear
对象,使用fitrlinear
.
incrementalLearner |
将线性回归模型转化为增量学习者 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
线性回归模型的回归损失 |
partialDependence |
计算偏依赖性 |
plotPartialDependence |
创建偏依赖图(PDP)和个体条件期望图(ICE) |
预测 |
预测线性回归模型的响应 |
selectModels |
选择拟合的正则化线性回归模型 |
沙普利 |
沙普利值 |
更新 |
更新模型参数以生成代码 |
价值。要了解值类如何影响复制操作,请参见复制对象.