Main Content

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

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。