正則化

リッジ回帰、LASSO、Elastic Net

低~中次元のデータセットで精度を向上させるには,lassoまたはridgeを使用して正則化がある最小二乗回帰を実装します。

高次元データセットの計算時間を短縮するには、fitrlinearを使用して、正則化された線形回帰モデルをあてはめます。

関数

`lasso`	線形モデルに対する LASSO または Elastic Net 正則化
`ridge`	リッジ回帰
`lassoPlot`	LASSO 近似のトレースプロット

`fitrlinear`	高次元データに対する線形回帰モデルのあてはめ
`predict`	線形回帰モデルの応答予測

`RegressionLinear`	高次元データ用の線形回帰モデル
`RegressionPartitionedLinear`	高次元データ用の交差検証済み線形回帰モデル

LASSO 正則化
不要な予測子をlassoがどのように識別して破棄するかを調べます。
交差検証による LASSO および Elastic Net
lassoと Elastic Net を使用して、重量、排気量、馬力および加速に基づく自動車の燃費 (MPG) を予測します。
LASSO および並列計算によるワイドデータ
lassoと交差検証を使用して重要な予測子を識別します。
LASSO および Elastic Net
lassoアルゴリズムは正則化手法であり縮小推定器です。関連する Elastic Net アルゴリズムは、予測子間の相関性が高い場合に適しています。
リッジ回帰
リッジ回帰は、線形回帰問題における多重共線性 (相関モデル項) の問題に対処します。