Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Regresión lineal múltiple

Regresión lineal con múltiples variables predictoras

Para obtener una mayor precisión en conjuntos de datos de baja dimensión a través de dimensiones medias, ajuste un modelo de regresión lineal utilizando.fitlm

Para reducir el tiempo de cálculo en conjuntos de datos de alta dimensionalidad, ajuste un modelo de regresión lineal utilizando.fitrlinear

Aplicaciones

El aprendiz de regresión

Entrenar modelos de regresión para predecir datos mediante el aprendizaje automático supervisado

Objetos

`LinearModel`	Modelo de regresión lineal
`CompactLinearModel`	Modelo de regresión lineal compacta
`RegressionLinear`	Modelo de regresión lineal para datos de alta cota
`RegressionPartitionedLinear`	Modelo de regresión lineal con validación cruzada para datos de alta cota

Funciones

expandir todo

y funciones`LinearModelCompactLinearModel`

Crear objeto`LinearModel`

`fitlm`	Ajustar modelo de regresión lineal
`stepwiselm`	Ajuste el modelo de regresión lineal utilizando la regresión escalonada

Crear objeto`CompactLinearModel`

compact Modelo de regresión lineal compacta

Agregar o quitar términos del modelo lineal

`addTerms`	Agregue términos al modelo de regresión lineal
`removeTerms`	Quite los términos del modelo de regresión lineal
`step`	Mejore el modelo de regresión lineal agregando o quitando términos

Predecir respuestas

`feval`	Predecir las respuestas del modelo de regresión lineal utilizando una entrada para cada predictor
`predict`	Predecir las respuestas del modelo de regresión lineal
`random`	Simular respuestas con ruido aleatorio para el modelo de regresión lineal

Evaluar modelo lineal

`anova`	Análisis de varianza para el modelo de regresión lineal
`coefCI`	Los intervalos de confianza de las estimaciones de coeficiente del modelo de regresión lineal
`coefTest`	Prueba de hipótesis lineal sobre coeficientes del modelo de regresión lineal
`dwtest`	Prueba de Durbin-Watson con objeto de modelo de regresión lineal

Visualice el modelo lineal y las estadísticas de Resumen

`plot`	Gráfico de dispersión o parcela variable añadida del modelo de regresión lineal
`plotAdded`	Se agregó una gráfica variable del modelo de regresión lineal
`plotAdjustedResponse`	Gráfica de respuesta ajustada del modelo de regresión lineal
`plotDiagnostics`	Trazar diagnósticos de observación del modelo de regresión lineal
`plotEffects`	Trazar los principales efectos de los predictores en el modelo de regresión lineal
`plotInteraction`	Trazar los efectos de interacción de dos predictores en el modelo de regresión lineal
`plotPartialDependence`	Cree parcelas de dependencia parcial (PDP) y de expectativa condicional individual (ICE)
`plotResiduals`	Los residuales de trazado del modelo de regresión lineal
`plotSlice`	Parcela de rodajas a través de superficie de regresión lineal ajustada

y funciones`RegressionLinearRegressionPartitionedLinear`

Crear objeto

fitrlinear Ajuste el modelo de regresión lineal a datos de alta cota

Trabajar con Object`RegressionLinear`

`predict`	Predecir la respuesta del modelo de regresión lineal
`loss`	La pérdida de regresión para modelos de regresión lineal
`plotPartialDependence`	Cree parcelas de dependencia parcial (PDP) y de expectativa condicional individual (ICE)
`selectModels`	Seleccione modelos de regresión lineal regularizados ajustados

Trabajar con Object`RegressionPartitionedLinear`

`kfoldLoss`	Pérdida de regresión para observaciones no utilizadas en la formación
`kfoldPredict`	Predecir respuestas para observaciones no utilizadas para el entrenamiento

Regresión lineal sin usar objeto

Ajuste y evalúe la regresión lineal

`dwtest`	Prueba Durbin-Watson con entradas residuales
`invpred`	Predicción inversa
`linhyptest`	Prueba de hipótesis lineal
`plsregress`	Regresión de mínimos cuadrados parciales
`regress`	La regresión lineal múltiple
`regstats`	Diagnósticos de regresión
`relieff`	Rango importancia de los predictores usando ReliefF o RReliefF algoritmo
`robustfit`	La regresión robusta
`stepwisefit`	Regresión stepwise

Preparar datos

`x2fx`	Convierta la matriz predictora en matriz de diseño
`dummyvar`	Crear variables ficticias

Herramientas interactivas

`robustdemo`	Regresión robusta interactiva
`rsmdemo`	Demostración interactiva de superficie de respuesta
`rstool`	Modelado de superficie de respuesta interactiva
`stepwise`	La regresión escalonada interactiva

Temas

Flujo de trabajo de regresión lineal

Importe y prepare datos, ajuste un modelo de regresión lineal, pruebe y mejore su calidad y comparta el modelo.

Interpretar los resultados de regresión lineal

Visualice e interprete las estadísticas de salida de regresión lineal.

Regresión lineal con efectos de interacción

Construya y analice un modelo de regresión lineal con efectos de interacción e interprete los resultados.

Regresión mediante tablas

En este ejemplo se muestra cómo realizar análisis de regresión lineales y escalonado mediante tablas.

Regresión con covariables categóricas

Realice una regresión con covariables categóricas utilizando matrices categóricas y.fitlm

¿Qué es un modelo de regresión lineal?

Los modelos de regresión describen la relación entre una variable dependiente y una o más variables independientes.

Regresión lineal

Ajuste un modelo de regresión lineal y examine el resultado.

Regresión robusta: reduce los efectos de valor atípico

Ajuste un modelo robusto que sea menos sensible que los mínimos cuadrados ordinarios a grandes cambios en partes pequeñas de los datos.

Regresión stepwise

En la regresión escalonada, los predictores se agregan automáticamente a un modelo o se recortan desde él.

Mínimos cuadrados parciales

Los mínimos cuadrados parciales (PLS) construyen nuevas variables predictoras como combinaciones lineales de las variables predictoras originales, al tiempo que se consideran los valores de respuesta observados, lo que lleva a un modelo parsimonioso con un poder predictivo fiable.

Regresión de mínimos cuadrados parciales y regresión de componentes principales

Este ejemplo muestra cómo aplicar la regresión de mínimos cuadrados parciales (PLSR) y la regresión de componentes principales (PCR), y discute la efectividad de los dos métodos.

Elija una función de regresión

Elija una función de regresión según el tipo de problema de regresión y actualice el código heredado con las nuevas funciones de conexión.

Serie temporal regresión de datos de pasajeros de aerolíneas

En este ejemplo se muestra cómo analizar datos de series temporales mediante las características estadísticas y machine learning Toolbox™.

La notación Wilkinson

La notación Wilkinson proporciona una manera de describir los modelos de regresión y medidas repetidas sin especificar valores de coeficiente.

Resumen de las estadísticas de resultados y diagnósticos

Evalúe un modelo ajustado mediante las propiedades del modelo y las funciones de objeto

Regresión lineal múltiple

Aplicaciones

Objetos

Funciones