正则化
脊回归，套索，弹力网
为了在低到中维数据集上获得更高的精度和链接函数选择，使用套索惩罚拟合一个广义线性模型lassoglm．
为了减少高维数据集上的计算时间，使用训练一个二元线性分类模型，例如正则化逻辑回归模型fitclinear．您还可以使用以下方法有效地训练由逻辑回归模型组成的多类错误更正输出代码(ECOC)模型fitcecoc．
对于大数据的非线性分类，使用正则逻辑回归训练一个二元高斯核分类模型fitckernel．
类
ClassificationLinear |
高维数据二元分类的线性模型 |
ClassificationECOC |
支持向量机(svm)和其他分类器的多类模型 |
ClassificationKernel |
采用随机特征展开的高斯核分类模型 |
ClassificationPartitionedLinear |
用于高维数据二元分类的交叉验证线性模型 |
ClassificationPartitionedLinearECOC |
用于高维数据多类分类的交叉验证线性纠错输出码模型 |
功能
lassoglm |
广义线性模型的套索或弹性网正则化 |
fitclinear |
用二元线性分类器拟合高维数据 |
templateLinear |
线性分类学习器模板 |
fitcecoc |
为支持向量机或其他分类器拟合多类模型 |
预测 |
预测线性分类模型的标签 |
fitckernel |
采用随机特征展开方法拟合二元高斯核分类器 |
预测 |
高斯核分类模型的标签预测 |
概念
- 广义线性模型的套索正则化
套索算法产生一个更小的模型和更少的预测。当预测因子高度相关时，相关弹性网算法的精度更高。
您也可以从以下列表中选择一个网站: