计算部分依赖
部分竞争
用A.预测
预测反应或分数的功能。部分竞争
选择合适预测
根据函数MDL.
和跑步预测
有其默认设置。有关每个人的详细信息预测
功能,请参见预测
以下两个表中的功能。如果MDL.
是一种基于树的模型(不包括树木的升级的集合),然后部分竞争
使用加权遍历算法而不是预测
函数。有关详细信息,请参见加权遍历算法.
回归模型对象
模型类型 | 完整或紧凑的回归模型对象 | 预测响应的功能 |
---|---|---|
决策树集合的引导集合 | CompactTreeBagger. |
预测 |
决策树集合的引导集合 | treebagger |
预测 |
回归模型的集合 | 回归 那回归释迦缩短 那CompactRegressionEnsemble |
预测 |
高斯内核回归模型使用随机特征扩展 | 回归科内尔 |
预测 |
高斯过程回归 | regressiongp. 那CompactRegressionGP |
预测 |
广义线性混合效应模型 | GeneralizeLmixedModel. |
预测 |
广义线性模型 | GeneralizedLinearModel. 那Compact一项式标Model. |
预测 |
线性混合效应模型 | LinearMixedModel |
预测 |
线性回归 | linearmodel. 那CompactLinearModel. |
预测 |
线性回归用于高维数据 | RegressionLinear |
预测 |
非线性回归 | NonLinearModel |
预测 |
回归树 | 回归植物 那CompactRegressionTree |
预测 |
金宝app支持向量机回归 | 回归vm. 那compactregressionsvm. |
预测 |
分类模型对象
模型类型 | 完整或紧凑的分类模型对象 | 预测标签和分数的功能 |
---|---|---|
判别分析分类器 | 分类Discriminant. 那CompactClassificationDiscriminant |
预测 |
支持向量机或其他分类器的多款模型金宝app | Classifiedecoc. 那CompactClassificeCoc. |
预测 |
用于分类的学习者集合 | 分类素.. 那CompactClassificationseMble 那ClassificationBaggedensemble. |
预测 |
高斯内核分类模型使用随机特征扩展 | ClassificationKernel. |
预测 |
K.- 最终邻居分类器 | ClassificationKnn. |
预测 |
线性分类模型 | ClassificationLinear |
预测 |
多类朴素贝叶斯模型 | ClassificationniveBayes. 那CompactClassificationNaiveBayes |
预测 |
金宝app支持向量机器分类器进行单级和二进制分类 | 分类VM. 那CompactClassificationsVM. |
预测 |
多包分类的二进制决策树 | ClassificationTree. 那CompactClassificationTree |
预测 |
袋式决策树集合 | treebagger 那CompactTreeBagger. |
预测 |
[2] Hastie,Trevor,Robert Tibshirani和Jerome Friedman。统计学习的要素。纽约,纽约:春天的纽约,2009年。