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

Regresión

Técnicas 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 predictor (INPUT). Statistics and Machine Learning Toolbox™ le permite adaptarse a modelos lineales, generalizados y no lineales de regresión, incluyendo modelos escalonados y modelos de efectos mixtos. Una vez que se ajusta un modelo, se puede utilizar para predecir o simular respuestas, evaluar el ajuste del modelo mediante pruebas de hipótesis, o utilizar gráficas para visualizar los diagnósticos, los residuales y los efectos de interacción.

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