广义线性回归
广义线性回归模型与不同分布和链接功能,包括逻辑回归
更大的准确性和链接功能选择通过medium-dimensional低维数据集,符合广义线性回归模型使用fitglm
。多项逻辑回归,符合模型使用fitmnr
。
减少计算时间在高维数据集,训练一个二进制,线性分类模型,如逻辑回归模型,通过使用fitclinear
。你也可以有效地训练多级纠错输出编码(ECOC)模型组成的逻辑回归模型通过使用fitcecoc
。
对非线性和大数据分类,火车一个二进制,高斯核分类和逻辑回归模型使用fitckernel
。
块
ClassificationLinear预测 | 观察使用线性分类模型进行分类 |
功能
广义线性回归使用GeneralizedLinearModel
对象
创建GeneralizedLinearModel
对象
fitglm |
创建广义线性回归模型 |
stepwiseglm |
通过逐步回归建立广义线性回归模型 |
创建CompactGeneralizedLinearModel
对象
紧凑的 |
紧凑的广义线性回归模型 |
添加或删除从广义线性模型
addTerms |
广义线性回归模型添加条款 |
removeTerms |
删除从广义线性回归模型 |
一步 |
改善广义线性回归模型,添加或删除 |
预测的反应
广义线性模型进行评估
coefCI |
置信区间系数广义线性回归模型的估计 |
coefTest |
线性假设检验在广义线性回归模型系数 |
devianceTest |
分析广义线性回归模型的异常 |
partialDependence |
计算部分依赖 |
可视化广义线性模型和汇总统计
plotDiagnostics |
广义线性回归模型的情节观察诊断 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
plotResiduals |
情节广义线性回归模型的残差 |
plotSlice |
通过拟合广义线性回归的情节片表面 |
收集广义线性模型的属性
收集 |
收集的属性统计和机器学习工具对象从GPU |
多项式回归使用MultinomialRegression
对象
创建MultinomialRegression
对象
fitmnr |
合适的多项式回归模型 |
一起工作MultinomialRegression
对象
coefCI |
多项式回归模型的估计系数的置信区间 |
coefTest |
线性假设检验在多项式回归模型系数 |
函数宏指令 |
预测反应的多项式回归模型使用一个输入为每个预测 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
plotResiduals |
情节多项式回归模型的残差 |
plotSlice |
通过拟合多项式回归的情节片表面 |
预测 |
多项式回归模型的预测的反应 |
随机 |
从拟合多项式回归模型生成随机响应 |
testDeviance |
多项式回归模型的异常测试 |
分类与回归
创建对象
fitclinear |
适合高维数据二进制线性分类器 |
fitcecoc |
适应多类支持向量机的模型或其他分类器金宝app |
fitckernel |
适合二进制高斯核分类器使用随机特性的扩张 |
templateLinear |
线性分类学习者模板 |
预测的标签
对象
广义线性回归
GeneralizedLinearModel |
广义线性回归模型类 |
CompactGeneralizedLinearModel |
紧凑的广义线性回归模型类 |
分类与回归
ClassificationLinear |
线性模型的二进制高维数据的分类 |
ClassificationECOC |
多类支持向量机(svm)模型和其他分类器金宝app |
ClassificationKernel |
高斯核函数分类模型使用随机特性的扩张 |
ClassificationPartitionedLinear |
旨在为二进制线性模型高维数据的分类 |
ClassificationPartitionedLinearECOC |
旨在为多级线性纠错输出编码模型高维数据的分类 |
主题
广义线性回归
- 广义线性模型
广义线性模型用线性方法来描述一个潜在的非线性预测条款和一个响应变量之间的关系。 - 广义线性模型的工作流
适合一个广义线性模型和分析结果。 - 与广义线性模型拟合数据
广义线性模型和评估使用glmfit
和glmval
。 - 火车的漠视二进制逻辑回归使用分类学习者应用分类器
创建二进制逻辑回归和比较分类器和出口训练模型对新数据进行预测。 - 预测类标签使用ClassificationLinear预测块
这个例子展示了如何使用标签预测ClassificationLinear预测块的仿真软件®。金宝app - 威尔金森符号
威尔金森符号提供了一种方法来描述回归和重复测量模型没有指定系数值。
多项逻辑回归
- 多项式模型为名义的反应
名义反应变量有一组限制的可能值没有自然秩序。名义响应模型的概率解释和预测的一个观察是在每个类别分类响应变量。 - 多项式模型顺序响应
一组顺序反应变量有一个限制的可能值,分为自然秩序。一个顺序响应模型描述之间的关系类别的累积概率和预测变量。 - 分层多项式模型
分层多项式响应变量(也称为顺序或嵌套多项反应)有一组限制的可能值,分为层次类。层次多项式回归模型扩展的二元回归模型是基于二进制观测条件。
对MATLAB
你们有派对在联合国留置权,对应这个对MATLAB:
倒实行la对saisissez-la在fenetre德对MATLAB。Les navigateurs web不sup金宝appportent Les MATLAB命令。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。