Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Regresión

Técnicas lineales, lineales generalizadas, no lineales y no paramétricas para el aprendizaje supervisado

Los modelos de regresión describen la relación entre una variable de respuesta (salida) y una o más variables predictoras (entrada). Statistics and Machine Learning Toolbox™ le permite ajustar modelos de regresión lineal, lineal generalizados y no lineal, incluidos los modelos escalonados y los modelos de efectos mixtos. Una vez que ajuste un modelo, puede utilizarlo para predecir o simular respuestas, evaluar el ajuste del modelo mediante pruebas de hipótesis o utilizar gráficas para visualizar diagnósticos, valores residuales y efectos de interacción.

Statistics and Machine Learning Toolbox también proporciona métodos de regresión no paramétricos para dar cabida a curvas de regresión más complejas sin especificar la relación entre la respuesta y los predictores con una función de regresión predeterminada. Puede predecir las respuestas con los nuevos datos utilizando el modelo entrenado. Los modelos de regresión de procesos gaussianos también le permiten calcular intervalos de predicción.

Click to go to the example, Linear Mixed-Effects Model Workflow.

Categorías

Ejemplos destacados