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。
リッジ回帰
ridge
は、X
または y
内の NaN
値を欠損値として扱います。ridge
は、欠損値がある観測値をリッジ回帰近似から省略します。
通常は、scaled
を 1
に設定して、係数が同じスケールで表示されるプロットを生成します。リッジ トレース プロットの使用例については、リッジ回帰を参照してください。この例では、回帰係数をリッジ パラメーターの関数として表示しています。予測を行う場合は、scaled
を 0
に設定します。たとえば、リッジ回帰の使用による値の予測を参照してください。
リッジ、LASSO、および Elastic Net 正則化はすべて、大きい係数にペナルティを課して線形モデルの係数を推定する手法です。ペナルティのタイプは、手法によって異なります (詳細については詳細を参照)。LASSO または Elastic Net 正則化を実行するには、代わりに lasso
を使用します。
高次元の非スパースまたはスパース予測子データの場合、ridge
の代わりに fitrlinear
を使用できます。fitrlinear
を使用する場合は、名前と値のペアの引数 'Regularization','ridge'
を指定します。名前と値のペアの引数 'Lambda'
の値を任意のリッジ パラメーターのベクトルに設定します。fitrlinear
は、学習済みの線形モデル Mdl
を返します。Mdl.Beta
を使用して、モデルの Beta
プロパティに格納されている係数推定値にアクセスできます。
[1] Hoerl, A. E., and R. W. Kennard. “Ridge Regression: Biased Estimation for Nonorthogonal Problems.” Technometrics. Vol. 12, No. 1, 1970, pp. 55–67.
[2] Hoerl, A. E., and R. W. Kennard. “Ridge Regression: Applications to Nonorthogonal Problems.” Technometrics. Vol. 12, No. 1, 1970, pp. 69–82.
[3] Marquardt, D. W. “Generalized Inverses, Ridge Regression, Biased Linear Estimation, and Nonlinear Estimation.” Technometrics. Vol. 12, No. 3, 1970, pp. 591–612.
[4] Marquardt, D. W., and R. D. Snee. “Ridge Regression in Practice.” The American Statistician. Vol. 29, No. 1, 1975, pp. 3–20.
fitrlinear
| lasso
| regress
| stepwise