ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

一般化線形回帰

制限された応答の回帰モデル

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モデルを近似させます。

MATLAB® ワークスペースに適合する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をさせます。また、fitcecoc を使用すると、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。

クラス

GeneralizedLinearModel 一般化線形回帰モデル クラス
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 マシンまたはその他の分類器向けのマルチクラス モデル
ClassificationPartitionedLinear 高次元データのバイナリ分類用の交差検定済み線形モデル
ClassificationPartitionedLinearECOC 高次元データのマルチクラス分類用の交差検定済み線形誤り訂正出力符号モデル

関数

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
disp 一般化線形回帰モデルの表示
feval 一般化線形回帰モデルの予測の評価
predict 一般化線形回帰モデルの応答予測
random 一般化線形回帰モデルの応答のシミュレーション
fitclinear 高次元データに対する線形分類モデルのあてはめ
templateLinear 線形分類学習器テンプレート
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
predict 線形分類モデルのラベルの予測
mnrfit 多項分布ロジスティック回帰
mnrval 多項分布ロジスティック回帰値
glmfit 一般化線形モデル回帰
glmval 一般化線形モデルの値

例および操作のヒント

一般化線形モデルのワークフロー

一般化線形モデルをあてはめ、結果を分析します。

分類学習器アプリを使用したロジスティック回帰分類器の学習

ロジスティック回帰分類器に学習をさせる方法を学びます。

概念

一般化線形モデル

一般化線形モデルは、線形手法を使用して、予測子項と応答変数との間の潜在的な非線形関係を説明します。

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。

階層型多項モデル

階層型多項応答変数 (逐次的多項応答または入れ子にされた多項応答とも呼ばれます) は取りうる値が制限されており、値は階層的なカテゴリに分類されます。階層型多項回帰モデルは、条件付きバイナリ観測値に基づくバイナリ回帰モデルの拡張です。

ウィルキンソンの表記法

ウィルキンソンの表記法を使用すると、係数の値を指定せずに回帰と反復測定のモデルを記述できます。

この情報は役に立ちましたか?