Para aumentar la precisión y las opciones de funciones de enlace en conjuntos de datos de dimensiones bajas y medianas, ajuste un modelo lineal generalizado con una penalización lasso mediante lassoglm.

Para reducir el tiempo de proceso en conjuntos de datos de altas dimensiones, entrene un modelo de clasificación lineal binaria, por ejemplo, un modelo de regresión logística regularizada, mediante fitclinear. También puede entrenar de forma eficiente un modelo multiclase de códigos de salida de corrección de errores (ECOC, por sus siglas en inglés) compuesto por modelos de regresión logística mediante fitcecoc.

Para las clasificaciones no lineales con big data, entrene un modelo de clasificación binaria de kernel gaussiano con regresión logística regularizada mediante fitckernel.