• 文档
main content

回归 -凯发k8网页登录

有监督学习的线性、广义线性、非线性和非参数化方法

回归模型描述响应（输出）变量与一个或多个预测（输入）变量之间的关系。statistics and machine learning toolbox™ 允许您拟合线性模型、广义线性模型和非线性回归模型，包括逐步模型和混合效应模型。拟合模型后，您可以使用它来预测或仿真响应，使用假设检验来评估模型拟合，或者使用绘图来可视化诊断、残差和交互作用。

statistics and machine learning toolbox 还提供了非参数化回归方法以拟合更复杂的回归曲线，无需使用预先确定的回归函数指定响应与预测变量之间的关系。您可以使用经过训练的模型来预测对新数据的响应。利用高斯过程回归模型，您还可以计算预测区间。

回归基础知识

类别


  • 以交互方式训练、验证和调整回归模型

  • 多重回归模型、逐步回归模型、多元回归模型等

  • 逻辑回归、多项式回归、泊松回归等

  • 非线性固定效应回归模型和非线性混合效应回归模型

  • 用于回归模型的支持向量机

  • 高斯过程回归模型 (kriging)

  • 用于回归的二叉决策树

  • 随机森林、提升回归树和装袋回归树

  • 用于回归的由一元和二元形状函数组成的可解释模型

  • 用于回归的神经网络

  • 将线性回归模型与流化数据进行拟合，并跟踪其性能。

  • 训练可解释的回归模型和解释复杂的回归模型

  • 特征选择、特征工程、模型选择、超参数优化、交叉验证、残差诊断和绘图

相关信息


网站地图