Main Content

本页翻译不是最新的。点击此处可查看最新英文版本。

正则化

广义线性模型的岭回归、LASSO 和弹性网

为了提高在中低维数据集上的准确度并增加联系函数选择,可以使用 lassoglm 拟合具有 LASSO 罚分的广义线性模型。

为了减少在高维数据集上的计算时间,可以使用 fitclinear 训练二类线性分类模型,例如正则化逻辑回归模型。还可以使用 fitcecoc 高效地训练由逻辑回归模型组成的多类纠错输出编码 (ECOC) 模型。

对于大数据的非线性分类,可以使用 fitckernel 训练带正则化逻辑回归的二类高斯核分类模型。

函数

全部展开

lassoglmLasso or elastic net regularization for generalized linear models
fitclinearFit binary linear classifier to high-dimensional data
templateLinearLinear learner template
fitcecocFit multiclass models for support vector machines or other classifiers
predictPredict labels for linear classification models
fitckernelFit binary Gaussian kernel classifier using random feature expansion
predictPredict labels for Gaussian kernel classification model

对象

ClassificationLinearLinear model for binary classification of high-dimensional data
ClassificationECOCMulticlass model for support vector machines (SVMs) and other classifiers
ClassificationKernelGaussian kernel classification model using random feature expansion
ClassificationPartitionedLinearCross-validated linear model for binary classification of high-dimensional data
ClassificationPartitionedLinearECOCCross-validated linear error-correcting output codes model for multiclass classification of high-dimensional data

主题