高维数据的线性回归模型
回归线
是训练有素的回归线性模型对象;线性模型是支持向量机回归(SVM)或线性回归金宝app模型。fitrlinear
适合a回归线
通过使用减少高维数据集的计算时间(例如随机梯度下降)的计算时间来最小化目标函数的模型。回归损失加正规化项构成目标函数。
与其他回归模型不同,用于经济记忆使用情况,回归线
模型对象不存储培训数据。但是,它们确实存储了估计的线性模型系数,估计系数和正则化强度。
You can use trained回归线
预测新数据响应的模型。有关详细信息,请参阅预测
。
创建一个回归线
object by usingfitrlinear
。
递增代理 |
将线性回归模型转换为增量学习者 |
lime |
局部可解释的模型不足解释(石灰) |
失利 |
线性回归模型的回归损失 |
partialdependence |
计算部分依赖性 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)图 |
预测 |
预测线性回归模型的响应 |
SelectModels |
选择拟合的正规化线性回归模型 |
沙普利 |
沙普利值 |
更新 |
更新代码生成的模型参数 |
价值。要了解价值类别如何影响复制操作,请参见复制对象。