Regularisierung

Ridge-Regression, Lasso und elastische Netze für generalisierte lineare Modelle

Um eine höhere Präzision und mehr Auswahlmöglichkeiten für die Link-Funktion bei niederdimensionalen bis mitteldimensionalen Datensätzen zu erreichen, können Sie ein generalisiertes lineares Regressionsmodell mit einer Lasso-Strafe mithilfe von lassoglm anpassen.

Um die Berechnungszeit bei höherdimensionalen Datensätzen zu reduzieren, trainieren Sie ein binäres, lineares Klassifizierungsmodell wie ein regularisiertes logistisches Regressionsmodell mithilfe von fitclinear. Ebenfalls können Sie ein mehrklassiges ECOC-Modell (Error-Correcting Output Codes, fehlerkorrigierende Ausgangscodes) aus logistischen Regressionsmodellen mithilfe von fitcecoc effizient trainieren.

Für nichtlineare Klassifizierung mit Big Data können Sie ein binäres Gauss-Kernel-Klassifizierungsmodell mit regularisierter logistischer Regression mithilfe von fitckernel trainieren.

Funktionen

alle erweitern

Regularisierung ohne Verwendung von Objekten

lassoglm Lasso or elastic net regularization for generalized linear models

Regularisierte logistische Regression mithilfe von linearen Modellen, ECOC- oder Kernel-Modellen

`fitclinear`	Fit binary linear classifier to high-dimensional data
`templateLinear`	Linear learner template
`fitcecoc`	Fit multiclass models for support vector machines or other classifiers
`predict`	Predict labels for linear classification models
`fitckernel`	Fit binary Gaussian kernel classifier using random feature expansion
`predict`	Predict labels for Gaussian kernel classification model

Objekte

`ClassificationLinear`	Linear model for binary classification of high-dimensional data
`ClassificationECOC`	Multiclass model for support vector machines (SVMs) and other classifiers
`ClassificationKernel`	Gaussian kernel classification model using random feature expansion
`ClassificationPartitionedLinear`	Cross-validated linear model for binary classification of high-dimensional data
`ClassificationPartitionedLinearECOC`	Cross-validated linear error-correcting output codes model for multiclass classification of high-dimensional data

Themen

Regularize Poisson Regression
Identify and remove redundant predictors from a generalized linear model.
Regularize Logistic Regression
Regularize binomial regression.
Regularize Wide Data in Parallel
Regularize a model with many more predictors than observations.
Lasso Regularization of Generalized Linear Models
The lasso algorithm produces a smaller model with fewer predictors. The related elastic net algorithm can be more accurate when predictors are highly correlated.