高维数据的线性回归模型
RegressionLinear
是经过训练的回归线性模型对象;线性模型是支持向量机回归(SVM)或线性回归金宝app模型。菲特利恩
符合一个RegressionLinear
通过使用减少高维数据集计算时间的技术(例如,随机梯度下降)最小化目标函数来建模。回归损失加上正则化项构成目标函数。
与其他回归模型不同,为了节省内存使用,RegressionLinear
模型对象不存储训练数据。然而,它们确实存储,例如,估计的线性模型系数、估计的系数和正则化强度。
你可以使用训练有素的RegressionLinear
预测新数据响应的模型。有关详细信息,请参见预测
.
创建一个RegressionLinear
对象的使用菲特利恩
.
incrementalLearner |
将线性回归模型转换为增量学习器 |
损失 |
线性回归模型的回归损失 |
部分依赖 |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和单个条件期望图(ICE) |
预测 |
预测线性回归模型的响应 |
selectModels |
选择拟合的正则化线性回归模型 |
更新 |
更新模型参数以生成代码 |
价值。要了解值类如何影响复制操作,请参见复制对象.