La traducción de esta página está obsoleta。Haga clic aquí para ver la última versión en inglés。

Regresión直线múltiple

Regresión线性偏差变量预测

Para aumentar la precisión en conjuntos de datos de dimensions de bajas y medianas，调整un modelo de regresión直线中线fitlm．

Para reducir el timempo de cálculo en conjuntos de datos de altas dimensions，调整un modelo de regresión直线中线fitrlinear．

应用程序

使用监督机器学习训练回归模型来预测数据

Objetos

`LinearModel`	线性回归模型
`CompactLinearModel`	紧凑线性回归模型
`RegressionLinear`	高维数据的线性回归模型
`RegressionPartitionedLinear`	高维数据的交叉验证线性回归模型

一些必要

expandir待办事项

一些必要德`LinearModel`y`CompactLinearModel`

Crear un objto`LinearModel`

`fitlm`	Ajustar un modelo de regresión lineal
`stepwiselm`	执行逐步回归

Crear un objto`CompactLinearModel`

紧凑的 紧凑线性回归模型

Añadir o eliminar términos de un modelo linear

`addTerms`	在线性回归模型中添加项
`removeTerms`	从线性回归模型中移除项
`一步`	通过增减项对线性回归模型进行改进

Predecir respuestas

`函数宏指令`	对每个预测器使用一个输入来预测线性回归模型的响应
`预测`	预测线性回归模型的响应
`随机`	用随机噪声模拟线性回归模型的响应

线性模型评估

`方差分析`	线性回归模型的方差分析
`coefCI`	线性回归模型系数估计的置信区间
`coefTest`	线性回归模型系数的线性假设检验
`dwt`	以线性回归模型为对象的Durbin-Watson检验
`partialDependence`	计算部分依赖关系

Visualizar un modelo linear estadísticas descriptivas

`情节`	线性回归模型的散点图或加变量图
`plotAdded`	增加了线性回归模型的变量图
`plotAdjustedResponse`	线性回归模型调整后的响应图
`plotDiagnostics`	线性回归模型的小区观测诊断
`plotEffects`	在线性回归模型中绘制预测因子的主要效应
`plotInteraction`	线性回归模型中两个预测因子的交互作用
`plotPartialDependence`	创建部分依赖图(PDP)和个别条件期望图(ICE)
`plotResiduals`	线性回归模型残差图
`plotSlice`	通过拟合的线性回归曲面绘制切片图

线性模型上的再支柱

`收集`	收集属性统计和机器学习工具箱来自GPU的对象

一些必要德`RegressionLinear`y`RegressionPartitionedLinear`

Crear un objto

fitrlinear 对高维数据拟合线性回归模型

我不反对`RegressionLinear`

`预测`	预测线性回归模型的响应
`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`	计算部分依赖关系
`plotPartialDependence`	创建部分依赖图(PDP)和个别条件期望图(ICE)
`沙普利`	沙普利值
`selectModels`	选择拟合的正则化线性回归模型

我不反对`RegressionPartitionedLinear`

`kfoldLoss`	训练中未使用的观测值的回归损失
`kfoldPredict`	预测不用于训练的观察结果的反应

Regresión lineal sin utilitzar ningún objeto

Ajustar评估una regresión直线

`dwt`	带剩余输入的Durbin-Watson检验
`invpred`	逆预测
`linhyptest`	线性假设检验
`plsregress`	偏最小二乘回归
`回归`	Regresión直线múltiple
`regstats`	回归诊断
`relieff`	使用ReliefF或RReliefF算法对预测因子的重要性进行排序
`robustfit`	拟合稳健线性回归
`stepwisefit`	采用逐步回归方法拟合线性回归模型

准备好数据

`x2fx`	将预测矩阵转换为设计矩阵
`dummyvar`	创建虚拟变量

Herramientas interactivas

`robustdemo`	交互式稳健回归
`rsmdemo`	交互式响应面演示
`rstool`	交互式响应面建模
`逐步`	交互式逐步回归

特马

Introducción a la regresión直系

什么是线性回归模型?
回归模型描述了因变量和一个或多个自变量之间的关系。
线性回归
拟合线性回归模型并检验结果。
逐步回归
在逐步回归中，预测器会自动添加到模型中或从模型中删除。
使用稳健回归减少离群值效应
拟合一个健壮的模型，它比普通最小二乘对小部分数据的大变化不那么敏感。
选择回归函数
根据回归问题的类型选择回归函数，并使用新的拟合函数更新遗留代码。
输出和诊断统计摘要
利用模型属性和对象函数对拟合模型进行评估。
威尔金森符号
威尔金森表示法提供了一种描述回归和重复测量模型而不指定系数值的方法。

线性回归曲线

线性回归工作流程
导入和准备数据，拟合线性回归模型，测试和改进模型质量，共享模型。
解释线性回归结果
显示和解释线性回归输出统计数据。
线性回归与交互效应
构建并分析一个具有交互作用的线性回归模型，并解释结果。
利用表格进行线性回归
这个例子展示了如何使用表格执行线性和逐步回归分析。
分类协变量的线性回归
使用分类数组和对分类协变量执行回归fitlm．
分析时间序列数据
此示例显示如何使用可视化和分析时间序列数据timeseries对象和回归函数。
列车线性回归模型
训练线性回归模型fitlm分析内存内数据和内存外数据。

Regresión de mínimos cuadrados parciales

偏最小二乘
偏最小二乘(PLS)将新的预测变量构建为原始预测变量的线性组合，同时考虑观测到的响应值，从而得到一个具有可靠预测能力的简约模型。
偏最小二乘回归与主成分回归
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。