Regolarizzazione

Regressione ridge, lasso ed elastic net per modelli lineari generalizzati

Per ottenere una maggiore precisione e una scelta più ampia di funzioni di collegamento su insiemi di dati a bassa e media dimensionalità, adattare un modello lineare generalizzato con penalità lasso utilizzando lassoglm.

Per ridurre i tempi computazionali su insiemi di dati ad alta dimensionalità, addestrare un modello di classificazione lineare binario, come ad esempio un modello di regressione logistica regolarizzata, utilizzando fitclinear. È inoltre possibile addestrare in modo efficiente un modello ECOC (codici di output con correzione degli errori) multiclasse, composto da modelli di regressione logistica, utilizzando fitcecoc.

Per la classificazione non lineare con grandi quantità di dati, addestrare un modello di classificazione binario con kernel gaussiano e regressione logistica regolarizzata utilizzando fitckernel.

Funzioni

espandi tutto

Regolarizzazione senza utilizzo dell'oggetto

lassoglm Lasso or elastic net regularization for generalized linear models

Regressione logistica regolarizzata utilizzando un modello lineare, ECOC o kernel

`fitclinear`	Fit binary linear classifier to high-dimensional data
`templateLinear`	Linear learner template
`fitcecoc`	Fit multiclass models for support vector machines or other classifiers
`predict`	Predict labels for linear classification models
`fitckernel`	Fit binary Gaussian kernel classifier using random feature expansion
`predict`	Predict labels for Gaussian kernel classification model

Oggetti

`ClassificationLinear`	Linear model for binary classification of high-dimensional data
`ClassificationECOC`	Multiclass model for support vector machines (SVMs) and other classifiers
`ClassificationKernel`	Gaussian kernel classification model using random feature expansion
`ClassificationPartitionedLinear`	Cross-validated linear model for binary classification of high-dimensional data
`ClassificationPartitionedLinearECOC`	Cross-validated linear error-correcting output codes model for multiclass classification of high-dimensional data

Argomenti

Regularize Poisson Regression
Identify and remove redundant predictors from a generalized linear model.
Regularize Logistic Regression
Regularize binomial regression.
Regularize Wide Data in Parallel
Regularize a model with many more predictors than observations.
Lasso Regularization of Generalized Linear Models
The lasso algorithm produces a smaller model with fewer predictors. The related elastic net algorithm can be more accurate when predictors are highly correlated.