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。

回帰

線形、一般化線形、非線形およびノンパラメトリック方式による教師あり学習

回帰モデルでは、応答 (出力) 変数と 1 つ以上の予測子 (入力) 変数の間の関係を記述します。Statistics and Machine Learning Toolbox™ では、ステップワイズ モデルや混合効果モデルなど、線形、一般化線形および非線形の回帰モデルを近似させることができます。モデルで近似したら、そのモデルを使用して、応答の予測またはシミュレート、仮説検定によるモデルの適合性の評価、またはプロットの使用による診断、残差および交互作用効果の可視化を行うことができます。

Statistics and Machine Learning Toolbox には、事前に決定した回帰関数で応答と予測子の関係を指定せずにより複雑な回帰曲線に対応するためのノンパラメトリック回帰法も用意されています。新しいデータに対する応答は、学習済みのモデルを使用して予測できます。ガウス過程回帰モデルでは予測区間を計算することもできます。