高维数据的线性回归模型
RegressionLinear
是一个训练有素的线性回归模型对象;线性模型是一个支持向量机回归(SVM)或线性金宝app回归模型。fitrlinear
符合一个RegressionLinear
模型通过最小化目标函数的使用技术,减少计算时间为高维数据集(例如,随机梯度下降法)。回归损失+目标函数的正则化项组成。
不像其他的回归模型,对经济的内存使用情况,RegressionLinear
模型对象不存储训练数据。然而,他们做的商店,例如,估计线性模型系数,估计系数,正规化的力量。
您可以使用训练RegressionLinear
为新数据模型预测的反应。有关详细信息,请参见预测
。
创建一个RegressionLinear
对象的使用fitrlinear
。
incrementalLearner |
线性回归模型转换为增量学习 |
石灰 |
本地可model-agnostic解释(石灰) |
损失 |
回归线性回归模型的损失 |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
预测 |
线性回归模型的预测反应 |
selectModels |
选择安装正规化的线性回归模型 |
沙普利 |
沙普利值 |
更新 |
更新模型参数代码生成 |
价值。学习如何价值类影响复制操作,明白了复制对象。