主要内容

回归

（不建议）在目标上执行浅网络输出的线性回归

在页面中崩溃

回归不建议。利用fitlm（统计和机器学习工具箱）反而。有关更多信息，请参阅兼容性考虑。

句法

[r，m，b] =回归（t，y）
[r，m，b] =回归（t，y，'一个'）

描述

例子

[[r，，，，m，，，，b] =回归（t，，，，y）计算网络响应和相应目标的每个元素之间的线性回归。

该函数采用单元格数或矩阵目标t和输出y，每个函数均具有n的总矩阵行，并返回每个n中的回归值，r，回归拟合，m和y-Intercepts，b的斜率，b。矩阵行。

[[r，，，，m，，，，b] =回归（t，，，，y，'一'）在回归之前将所有矩阵行组合在一起，并返回单个标量回归，斜率和偏移值。

例子

全部收缩

打开实时脚本

此示例显示了如何训练前馈网络，并计算和绘制其目标和输出之间的回归。

加载培训数据。

[x，t] = simplefit_dataset;

1 x94矩阵X包含输入值和1 by-94矩阵t包含关联的目标输出值。

构建一个具有20尺寸的隐藏层的前馈神经网络。

net = feedforwardnet（20）;

训练网络网使用培训数据。

net =火车（net，x，t）;

图神经网络训练（26-FEB-2022 11:13:59）包含一个类型Uigridlayout的对象。

使用训练有素的网络估算目标。

y = net（x）;

计算和绘制其目标和输出之间的回归。

[r，m，b] =回归（t，y）
r = 1.0000
M = 1.0000
B = 1.0878E-04
情节回归（t，y）

图回归（绘图回归）包含一个轴对象。带有标题的轴对象：r = 1包含3个类型行的对象。这些对象表示y = t，拟合，数据。

输入参数

全部收缩

网络目标，指定为矩阵或单元格数组。

网络输出，指定为矩阵或单元格数组。

输出参数

全部收缩

回归价值，返回为标量。

回归斜率拟合，返回为标量。

回归拟合的抵消，返回为标量。

版本历史记录

在R2010b中引入

展开全部

不建议从R2020B开始

也可以看看

||（统计和机器学习工具箱）