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。

正則化

リッジ回帰、LASSO、Elastic Net

低~中次元のデータセットで精度を向上させるには、LASSO または ridge を使用して正則化がある最小二乗回帰を実装します。

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、fitrlinear を使用して正則化線形回帰モデルを近似させます。

関数

lasso線形モデルに対する LASSO または Elastic Net 正則化
ridgeリッジ回帰
lassoPlotLASSO 近似のトレース プロット
fitrlinear高次元データに対する線形回帰モデルのあてはめ
predict線形回帰モデルの応答予測
plotPartialDependence部分従属プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成

クラス

RegressionLinear高次元データ用の線形回帰モデル
RegressionPartitionedLinear高次元データ用の交差検証済み線形回帰モデル

トピック

LASSO 正則化

不要な予測子を lasso がどのように識別して破棄するかを調べます。

交差検証による LASSO および Elastic Net

lasso と Elastic Net を使用して、重量、排気量、馬力および加速に基づく自動車の燃費 (MPG) を予測します。

LASSO および並列計算によるワイド データ

lasso と交差検証を使用して重要な予測子を識別します。

LASSO および Elastic Net

lasso アルゴリズムは正則化手法であり縮小推定器です。関連する Elastic Net アルゴリズムは、予測子間の相関性が高い場合に適しています。

リッジ回帰

リッジ回帰は、線形回帰問題における多重共線性 (相関モデル項) の問題に対処します。