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

Regularización

Regresión de cresta, lazo, redes elásticas

Para obtener una mayor precisión en conjuntos de datos de baja y mediana dimensión, implemente la regresión de mínimos cuadrados con la regularización mediante o.lassoridge

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

Funciones

lassoRegularización de lazo o de red elástica para modelos lineales
ridgeRegresión de cresta
lassoPlotTraza de trazado de lazo ajuste
fitrlinearAjuste el modelo de regresión lineal a datos de alta cota
predictPredecir la respuesta del modelo de regresión lineal
plotPartialDependenceCree parcelas de dependencia parcial (PDP) y de expectativa condicional individual (ICE)

Clases

RegressionLinearModelo de regresión lineal para datos de alta cota
RegressionPartitionedLinearModelo de regresión lineal con validación cruzada para datos de alta cota

Temas

Regularización de lazo

Vea cómo identifica y descarta los predictores innecesarios.Lazo

Lazo y red elástica con validación cruzada

Predecir el millaje (MPG) de un coche basado en su peso, desplazamiento, potencia y aceleración utilizando y red elástica.Lazo

Wide data a través de Lasso y Parallel Computing

Identifique los predictores importantes mediante la validación cruzada.Lazo

Lasso y elastic net

El algoritmo es una técnica de regularización y estimador de contracción.lasso El algoritmo de red elástica relacionado es más adecuado cuando los predictores están altamente correlacionados.

Ridge Regression

La regresión de cresta aborda el problema de la multicolinealidad (términos del modelo correlacionados) en los problemas de regresión lineal.