이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

일반화 선형 회귀

한정된 응답 변수에 대한 회귀 모델

저차원에서 중간 차원까지의 데이터 세트에 대한 정확도를 높이고 연결 함수 옵션을 확대하려면 fitglm을 사용하여 일반 선형 모델을 피팅하십시오.

고차원 데이터 세트에 대한 계산 시간을 단축하려면 fitclinear를 사용하여 로지스틱 회귀 모델과 같은 이진 선형 분류 모델을 훈련시키십시오. 또한, fitcecoc를 사용하여 로지스틱 회귀 모델로 구성된 다중클래스 오류 수정 출력 코드(ECOC) 모델을 효율적으로 훈련시킬 수도 있습니다.

빅 데이터에 대해 비선형 분류를 수행하는 경우 fitckernel을 사용하여 로지스틱 회귀를 적용한 이진 가우스 커널 분류 모델을 훈련시키십시오.

클래스

GeneralizedLinearModelGeneralized linear regression model class
CompactGeneralizedLinearModelCompact generalized linear regression model class
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

함수

fitglmCreate generalized linear regression model
stepwiseglmCreate generalized linear regression model by stepwise regression
compactCompact generalized linear regression model
dispDisplay generalized linear regression model
fevalEvaluate generalized linear regression model prediction
predictPredict response of generalized linear regression model
randomSimulate responses for generalized linear regression model
fitclinearFit linear classification model to high-dimensional data
templateLinearLinear classification learner template
fitcecoc서포트 벡터 머신 또는 다른 분류기에 대해 다중클래스 모델 피팅하기
predictPredict labels for linear classification models
fitckernelFit Gaussian kernel classification model using random feature expansion
predictPredict labels for Gaussian kernel classification model
mnrfit다항 로지스틱 회귀
mnrvalMultinomial logistic regression values
glmfit일반화 선형 모델 회귀
glmvalGeneralized linear model values
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots

예제 및 방법

Generalized Linear Model Workflow

Fit a generalized linear model and analyze the results.

Train Logistic Regression Classifiers Using Classification Learner App

Create and compare logistic regression classifiers, and export trained models to make predictions for new data.

일반화 선형 모델을 사용하여 데이터 피팅하기

이 예제에서는 glmfitglmval을 사용하여 일반화 선형 모델을 피팅하고 계산하는 방법을 보여줍니다.

로지스틱 회귀 모델에 대한 베이즈 분석

이 예제에서는 slicesample을 사용하여 로지스틱 회귀 모델에 베이즈 추론을 수행하는 방법을 보여줍니다.

개념

Generalized Linear Models

Generalized linear models use linear methods to describe a potentially nonlinear relationship between predictor terms and a response variable.

Multinomial Models for Nominal Responses

A nominal response variable has a restricted set of possible values with no natural order between them. A nominal response model explains and predicts the probability that an observation is in each category of a categorical response variable.

Multinomial Models for Ordinal Responses

An ordinal response variable has a restricted set of possible values that fall into a natural order. An ordinal response model describes the relationship between the cumulative probabilities of the categories and predictor variables.

Hierarchical Multinomial Models

A hierarchical multinomial response variable (also known as a sequential or nested multinomial response) has a restricted set of possible values that fall into hierarchical categories. The hierarchical multinomial regression models are extensions of binary regression models based on conditional binary observations.

Wilkinson Notation

Wilkinson notation provides a way to describe regression and repeated measures models without specifying coefficient values.