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リンク関数を選択するには、lassoglm を使用して LASSO ペナルティがある一般化線形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、正則化された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。

ビッグデータが含まれている非線形分類の場合は、fitckernel を使用して正則化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。

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 (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

関数

lassoglm 一般化線形モデルに対する LASSO または Elastic Net 正則化

`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
`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
`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
`predict`	ガウスカーネル分類モデルのラベルの予測

例および使用方法

ポアソン回帰の正則化
一般化線形モデルから冗長な予測子を見つけて削除します。
ロジスティック回帰の正則化
二項回帰を正則化します。
並列化によるワイドデータの正則化
観測値より多くの予測子をもつモデルを正則化します。

概念

一般化線形モデルの LASSO 正則化
LASSO アルゴリズムは、予測子が少ない小さいモデルを生成します。関連する Elastic Net アルゴリズムでは、予測子間の相関が高いほど精度が上がる場合があります。