Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

一般化線形回帰

ロジスティック回帰を含む、さまざまな分布およびリンク関数を備えた一般化線形回帰モデル

低~中次元のデータセットで精度を向上させリンク関数を選択するには、fitglm を使用して一般化線形回帰モデルを当てはめます。多項ロジスティック回帰の場合、fitmnr を使用してモデルを当てはめます。

高次元データセットの計算時間を短縮するには、fitclinear を使用して、ロジスティック回帰モデルなどのバイナリ線形分類モデルに学習させます。また、fitcecoc を使用して、ロジスティック回帰モデルから構成されるマルチクラス誤り訂正出力符号 (ECOC) モデルによる学習を効率的に行うこともできます。

ビッグ データが含まれている非線形分類の場合は、fitckernel を使用して、ロジスティック回帰をもつバイナリ ガウス カーネル分類モデルに学習をさせます。

ブロック

ClassificationLinear Predict線形分類モデルを使用した観測値の分類 (R2023a 以降)

関数

すべて展開する

GeneralizedLinearModel オブジェクトの作成

fitglm一般化線形回帰モデルの作成
stepwiseglmステップワイズ回帰による一般化線形回帰モデルの作成

CompactGeneralizedLinearModel オブジェクトの作成

compactコンパクトな一般化線形回帰モデル

一般化線形モデルからの項の追加または削除

addTerms一般化線形回帰モデルへの項の追加
removeTerms一般化線形回帰モデルからの項の削除
step項の追加または削除による一般化線形回帰モデルの改良

応答予測

feval各予測子について 1 つずつ入力を使用して一般化線形回帰モデルの応答を予測
predict一般化線形回帰モデルの応答予測
randomランダム ノイズがある応答を一般化線形回帰モデルに対するシミュレート

一般化線形モデルの評価

coefCI一般化線形回帰モデルの係数推定の信頼区間
coefTest一般化線形回帰モデルの係数に対する線形仮説検定
devianceTest一般化線形回帰モデルの逸脱度の分析
partialDependence部分依存の計算 (R2020b 以降)

一般化線形モデルと要約統計量の可視化

plotDiagnostics一般化線形回帰モデルの観測値の診断情報のプロット
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
plotResiduals一般化線形回帰モデルの残差プロット
plotSlice近似された一般化線形回帰面を通るスライスのプロット

一般化線形モデルのプロパティの収集

gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 (R2020b 以降)

MultinomialRegression オブジェクトの作成

fitmnr多項回帰モデルの当てはめ (R2023a 以降)

MultinomialRegression オブジェクトの処理

coefCI多項回帰モデルの係数推定の信頼区間 (R2023a 以降)
coefTest多項回帰モデルの係数に対する線形仮説検定 (R2023a 以降)
feval各予測子について 1 つずつ入力を使用して多項回帰モデルの応答を予測 (R2023a 以降)
partialDependence部分依存の計算 (R2020b 以降)
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
plotResiduals多項回帰モデルの残差プロット (R2023a 以降)
plotSlice当てはめられた多項回帰面を通るスライスのプロット (R2023a 以降)
predict多項回帰モデルの応答を予測 (R2023a 以降)
random当てはめられた多項回帰モデルからランダム応答を生成 (R2023a 以降)
testDeviance多項回帰モデルの逸脱度検定 (R2023a 以降)

オブジェクトの作成

fitclinear高次元データに対するバイナリ線形分類器の当てはめ
fitcecocサポート ベクター マシンまたはその他の分類器向けのマルチクラス モデルの近似
fitckernelランダムな特徴量拡張を使用したバイナリ ガウス カーネル分類器の当てはめ
templateLinear線形学習器テンプレート

ラベルの予測

predict線形分類モデルのラベルの予測
predictマルチクラス誤り訂正出力符号 (ECOC) モデルを使用して観測値を分類
predictガウス カーネル分類モデルのラベルの予測
glmfit一般化線形回帰モデルの当てはめ
glmval一般化線形モデルの値

オブジェクト

すべて展開する

GeneralizedLinearModel一般化線形回帰モデル クラス
CompactGeneralizedLinearModelコンパクトな一般化線形回帰モデル クラス
MultinomialRegression多項回帰モデル (R2023a 以降)
ClassificationLinear高次元データのバイナリ分類用の線形モデル
ClassificationECOCサポート ベクター マシン (SVM) などの分類器用のマルチクラス モデル
ClassificationKernelランダムな特徴量拡張を使用したガウス カーネル分類モデル
ClassificationPartitionedLinear高次元データのバイナリ分類用の交差検証済み線形モデル
ClassificationPartitionedLinearECOC高次元データのマルチクラス分類用の交差検証済み線形誤り訂正出力符号モデル

トピック

一般化線形回帰

多項ロジスティック回帰

  • ノミナル応答の多項モデル
    ノミナル応答変数は取りうる値が制限されており、値に自然な順序がありません。ノミナル応答モデルは、観測値がカテゴリカル応答変数の各カテゴリに含まれる確率を説明および予測します。
  • 順序応答の多項モデル
    順序応答変数は取りうる値が制限されており、値は自然な順序に分類されます。順序応答モデルは、カテゴリの累積確率と予測子変数の関係を説明します。
  • Multinomial Models for Hierarchical Responses
    A hierarchical multinomial response variable (also known as a sequential or nested multinomial response) has a restricted set of possible values that fall into hierarchical categories. The hierarchical multinomial regression models are extensions of binary regression models based on conditional binary observations.