帮助中心帮助中心
回归
(不建议)在目标上执行浅网络输出的线性回归
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。
fitlm
[r,m,b] =回归(t,y)
[r,m,b] =回归(t,y,'一个')
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。
[[r,,,,m,,,,b] =回归(t,,,,y)
r
m
b
t
y
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。
[[r,,,,m,,,,b] =回归(t,,,,y,'一')
全部收缩
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。
X
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。
网
net =火车(net,x,t);
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 = 1.0000
M = 1.0000
B = 1.0878E-04
情节回归(t,y)
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。
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。
展开全部
不建议从R2020B开始
回归不建议。要适合线性回归模型,请使用fitlm(统计和机器学习工具箱)反而。
情节回归|混乱|fitlm(统计和机器学习工具箱)
情节回归
混乱
您有此示例的修改版本。您想用您的编辑打开这个示例吗?
您单击了与此MATLAB命令相对应的链接:
通过在MATLAB命令窗口中输入该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取可用的翻译内容,并查看本地事件和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
联系您当地的办公室