Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
Regresión de cresta
Devuelve estimaciones de coeficiente para los Datos predictores y la respuesta.modelos de regresión de crestaB
= ridge(y
,X
,k
)X
y
Cada columna de corresponde a un parámetro de arista determinado.B
k
De forma predeterminada, la función calcula después de centrar y escalar los predictores para que tengan la media 0 y la desviación estándar 1.B
Dado que el modelo no incluye un término constante, no agregue una columna de 1s a.X
Especifica la escala para las estimaciones de coeficiente en.B
= ridge(y
,X
,k
,scaled
)B
Cuando es (valor predeterminado), no restaura los coeficientes a la escala de datos original.scaled
1
ridge
Cuando es, restaura los coeficientes a la escala de los datos originales.scaled
0
ridge
Para obtener más información, consulte.Escala de coeficiente
trata valores en o como valores faltantes. omite las observaciones con valores faltantes del ajuste de regresión de cresta.ridge
NaN
X
y
ridge
En general, establecer igual a para producir parcelas donde los coeficientes se muestran en la misma escala.scaled
1
Consulte un ejemplo mediante un trazado de traza de cresta, donde los coeficientes de regresión se muestran como una función del parámetro Ridge.Ridge Regression Al hacer predicciones, establecer igual a.scaled
0
Para ver un ejemplo, vea.Predecir valores usando regresión de cresta
La regularización de cresta, lazo y red elástica son todos métodos para estimar los coeficientes de un modelo lineal mientras penalizan los coeficientes grandes. El tipo de penalización depende del método (ver para más detalles).Más acerca de Para realizar la regularización de red con lazo o elástico, utilice en su lugar.Lazo
Si tiene datos de predictor completos o dispersos de alta dimensión, puede usar en lugar de.fitrlinear
ridge
Cuando se usa, especifique el argumento de par nombre-valor.fitrlinear
'Regularization','ridge'
Establezca el valor del argumento de par nombre-valor en un vector de los parámetros de arista de su elección. Devuelve un modelo lineal entrenado.'Lambda'
fitrlinear
Mdl
Puede acceder a las estimaciones de coeficiente almacenadas en la propiedad del modelo utilizando.Beta
Mdl.Beta
[1] Hoerl, A. E., and R. W. Kennard. “Ridge Regression: Biased Estimation for Nonorthogonal Problems.” Technometrics. Vol. 12, No. 1, 1970, pp. 55–67.
[2] Hoerl, A. E., and R. W. Kennard. “Ridge Regression: Applications to Nonorthogonal Problems.” Technometrics. Vol. 12, No. 1, 1970, pp. 69–82.
[3] Marquardt, D. W. “Generalized Inverses, Ridge Regression, Biased Linear Estimation, and Nonlinear Estimation.” Technometrics. Vol. 12, No. 3, 1970, pp. 591–612.
[4] Marquardt, D. W., and R. D. Snee. “Ridge Regression in Practice.” The American Statistician. Vol. 29, No. 1, 1975, pp. 3–20.
Lazo
| fitrlinear
| regress
| stepwise