Main Content

다중 선형 회귀

다중 예측 변수를 사용하는 선형 회귀

다중 선형 회귀 모델에서 응답 변수는 둘 이상의 예측 변수에 종속됩니다. LinearModel 객체를 사용하거나 사용하지 않고 다중 선형 회귀를 수행할 수 있습니다. 또는 회귀 학습기 앱을 사용하여 수행할 수도 있습니다.

저차원에서 중간 차원까지의 데이터 세트에 대한 정확도를 높이려면 fitlm을 사용하여 선형 회귀 모델을 피팅하십시오.

고차원 데이터 세트에 대한 계산 시간을 단축하려면 fitrlinear를 사용하여 선형 회귀 모델을 피팅하십시오.

앱

회귀 학습기머신러닝 지도 학습을 사용하여 데이터를 예측하도록 회귀 모델 훈련시키기

블록

RegressionLinear Predict선형 회귀 모델을 사용하여 응답 예측 (R2023a 이후)
IncrementalRegressionLinear PredictPredict responses using incremental linear regression model (R2023b 이후)
IncrementalRegressionLinear FitFit incremental linear regression model (R2023b 이후)
Update MetricsUpdate performance metrics in incremental learning model given new data (R2023b 이후)

함수

모두 확장

LinearModel 객체 만들기

fitlm선형 회귀 모델 피팅하기
stepwiselmPerform stepwise regression

CompactLinearModel 객체 만들기

compactCompact linear regression model

선형 모델에서 항 추가 또는 제거

addTermsAdd terms to linear regression model
removeTermsRemove terms from linear regression model
stepImprove linear regression model by adding or removing terms

응답 변수 예측하기

fevalPredict responses of linear regression model using one input for each predictor
predict선형 회귀 모델의 응답 변수 예측
random선형 회귀 모델에 대해 랜덤 잡음이 있는 응답 변수 시뮬레이션

선형 모델 평가

anovaAnalysis of variance for linear regression model
coefCIConfidence intervals of coefficient estimates of linear regression model
coefTestLinear hypothesis test on linear regression model coefficients
dwtestDurbin-Watson test with linear regression model object
partialDependenceCompute partial dependence (R2020b 이후)

선형 모델과 요약 통계량 시각화

plotScatter plot or added variable plot of linear regression model
plotAddedAdded variable plot of linear regression model
plotAdjustedResponseAdjusted response plot of linear regression model
plotDiagnosticsPlot observation diagnostics of linear regression model
plotEffectsPlot main effects of predictors in linear regression model
plotInteractionPlot interaction effects of two predictors in linear regression model
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
plotResidualsPlot residuals of linear regression model
plotSlicePlot of slices through fitted linear regression surface

선형 모델의 속성 수집하기

gatherGather properties of Statistics and Machine Learning Toolbox object from GPU (R2020b 이후)

객체 만들기

fitrlinearFit linear regression model to high-dimensional data

RegressionLinear 객체 작업

predictPredict response of linear regression model
limeLocal interpretable model-agnostic explanations (LIME) (R2020b 이후)
lossRegression loss for linear regression models
partialDependenceCompute partial dependence (R2020b 이후)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values (R2021a 이후)
selectModelsSelect fitted regularized linear regression models

RegressionPartitionedLinear 객체 작업

kfoldLossRegression loss for observations not used in training
kfoldPredictPredict responses for observations not used for training

선형 회귀 피팅 및 평가

dwtestDurbin-Watson test with residual inputs
invpredInverse prediction
linhyptestLinear hypothesis test
plsregress부분 최소제곱(PLS) 회귀
regress다중 선형 회귀
regstatsRegression diagnostics
relieffRank importance of predictors using ReliefF or RReliefF algorithm
robustfitFit robust linear regression
stepwisefitFit linear regression model using stepwise regression

다항식 곡선 피팅

polyconfPolynomial confidence intervals
polyfit다항식 곡선 피팅

데이터 준비하기

x2fxConvert predictor matrix to design matrix
dummyvarCreate dummy variables

대화형 방식 툴

polytoolInteractive polynomial fitting
robustdemoInteractive robust regression
rsmdemo대화형 반응 표면 데모
rstoolInteractive response surface modeling
stepwiseInteractive stepwise regression

객체

LinearModel선형 회귀 모델
CompactLinearModel간소 선형 회귀 모델
RegressionLinearLinear regression model for high-dimensional data
RegressionPartitionedLinearCross-validated linear regression model for high-dimensional data

도움말 항목

선형 회귀 소개

선형 회귀 워크플로

부분 최소제곱 회귀

  • Partial Least Squares
    Partial least squares (PLS) constructs new predictor variables as linear combinations of the original predictor variables, while considering the observed response values, leading to a parsimonious model with reliable predictive power.
  • 부분 최소제곱 회귀 및 주성분 회귀
    부분 최소제곱 회귀(PLSR) 및 주성분 회귀(PCR)를 적용하고 이 두 방법의 효과를 살펴봅니다.