多元线性回归
Linear regression with multiple predictor variables
For greater accuracy on low-dimensional through medium-dimensional data sets, fit a linear regression model usingfitlm
。
对于缩短高维数据集的计算时间,请使用线性回归模型fitrlinear
。
应用
Regression Learner | 火车回归模型使用监督的机器学习预测数据 |
对象
LinearModel |
线性回归模型 |
compactlinearmodel |
Compact linear regression model |
回归线 |
高维数据的线性回归模型 |
RegressionPartitionedLinear |
Cross-validated linear regression model for high-dimensional data |
功能
话题
线性回归简介
- 什么是线性回归模型?
Regression models describe the relationship between a dependent variable and one or more independent variables. - 线性回归
拟合线性回归模型并检查结果。 - 逐步回归
在逐步回归中,预测变量会自动从模型中添加或修剪。 - Reduce Outlier Effects Using Robust Regression
适合一个强大的模型,比普通最小二乘不太敏感的模型与数据的一小部分变化。 - Choose a Regression Function
Choose a regression function depending on the type of regression problem, and update legacy code using new fitting functions. - 产出和诊断统计的摘要
Evaluate a fitted model by using model properties and object functions. - 威尔金森符号
威尔金森符号提供了一种描述回归和重复测量模型的方法,而无需指定系数值。
线性回归工作流程s
- 线性回归工作流程
Import and prepare data, fit a linear regression model, test and improve its quality, and share the model. - 解释线性回归结果
显示和解释线性回归输出统计。 - 线性回归与相互作用效应
构建和分析具有相互作用效应的线性回归模型并解释结果。 - 使用表的线性回归
此示例显示了如何使用表执行线性和逐步回归分析。 - 与分类协变量的线性回归
使用分类阵列使用分类协变量进行回归fitlm
。 - 分析时间序列数据
此示例显示了如何使用A的时间序列数据可视化和分析时间序列数据时间序列
object and the回归
功能。 - Train Linear Regression Model
使用线性回归模型训练fitlm
to analyze in-memory data and out-of-memory data.
部分最小二乘回归
- 部分最小二乘
部分最小二乘(PLS)将新的预测变量构建为原始预测变量的线性组合,同时考虑观察到的响应值,从而导致具有可靠的预测能力的简约模型。 - 部分最小二乘回归and Principal Components Regression
应用部分最小二乘回归(PLSR)和主成分回归(PCR),并探索两种方法的有效性。