主要内容

广义线性回归

具有各种分布和链接功能的广义线性回归模型，包括逻辑回归

为了在低维到中维数据集上获得更高的精度和链接函数选择，使用拟合一个广义线性回归模型fitglm．对于多项逻辑回归，拟合一个模型使用MnRfit.．

为了减少高维数据集的计算时间，通过使用培训二进制，线性分类模型，例如逻辑回归模型fitclinear．您还可以使用以下方法有效地训练由逻辑回归模型组成的多类错误校正输出代码(ECOC)模型Fitcecoc.．

对于大数据的非线性分类，利用logistic回归训练二元高斯核分类模型Fitconnelel.．

对象

全部展开

GeneralizedLinearModel 广义线性回归模型类
Compact一项式LinearModel. 紧广义线性回归模型类
分类线性 用于高维数据二值分类的线性模型
ClassificationECOC 支持向量机（SVM）和其他分类器的多键模型金宝app
ClassificationKernel 高斯内核分类模型使用随机特征扩展
ClassificationPartitionedLinear 用于高维数据二值分类的交叉验证线性模型
ClassificationedLititionedLinearecoc. 用于高维数据多类分类的交叉验证线性纠错输出码模型

功能

全部展开

创建GeneralizedLinearModel目的

fitglm 建立广义线性回归模型
stepwiseglm 通过逐步回归建立广义线性回归模型

创建Compact一项式LinearModel.目的

袖珍的 紧凑型广义线性回归模型

从广义线性模型添加或删除术语

addTerms 向广义线性回归模型添加项
removeTerms 从广义线性回归模型中移除术语
一步 通过添加或移除术语来改进广义线性回归模型

预测的反应

Feval. 使用每个预测器的一个输入预测广义线性回归模型的响应
预测 预测广义线性回归模型的响应
随机 为广义线性回归模型模拟随机噪声的响应

评估广义线性模型

coefCI 广义线性回归模型系数估计的置信区间
coefTest 广义线性回归模型系数的线性假设检验
devianceTest 广义线性回归模型的偏差分析
partialDependence 计算部分依赖

可视化广义线性模型和统计摘要

plotDiagnostics 广义线性回归模型的绘图观测诊断
情节依存 创建部分依赖图(PDP)和个人条件期望图(ICE)
plotresids. 绘制广义线性回归模型的残差
plotSlice 通过拟合的广义线性回归曲面绘制切片图

聚集广义线性模型的属性

收集 收集GPU机器学习模型的属性

创建对象

fitclinear 对高维数据拟合线性分类模型
Fitcecoc. 适用于支持向量机或其他分类器的多键模型金宝app
Fitconnelel. 适合高斯内核分类模型使用随机功能扩展
templateLinear 线性分类学习者模板

预测标签

预测 预测线性分类模型的标签
预测 使用多类纠错输出码(ECOC)模型对观测进行分类
预测 高斯核分类模型的标签预测
MnRfit. 多项逻辑回归
mnrval 多项逻辑回归值
glmfit FIT广义线性回归模型
glmval 广义线性模型值

主题

广义线性回归

广义线性模型

广义线性模型使用线性方法来描述预测项和响应变量之间潜在的非线性关系。

广义线性模型工作流程

符合广义的线性模型并分析结果。

用广义线性模型拟合数据

使用拟合和评估广义线性模型glmfit和glmval．

使用分类学习者应用程序列车物流回归分类器

创建和比较逻辑回归分类器，并导出训练过的模型来预测新数据。

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的方法，而无需指定系数值。

多项式逻辑回归

名义反应的多项式模型

一个标称响应变量有一组限制的可能值，它们之间没有自然顺序。一个名义响应模型解释和预测一个观察是在一个分类响应变量的每个类别中的概率。

序数反应的多项式模型

有序响应变量有一组受限制的可能值，这些值按自然顺序排列。顺序响应模型描述了类别的累积概率与预测变量之间的关系。

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响应）具有落入分层类别的受限制可能的值集。分层多项式回归模型是基于条件二进制观察的二进制回归模型的扩展。

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书