La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Régression linéaire multiple

R2026a
Régression linéaire avec plusieurs variables prédictives

Dans un modèle de régression linéaire multiple, la variable de réponse dépend de plusieurs variable prédictives. Vous pouvez effectuer une telle régression avec ou sans l’objet LinearModel ou avec l’application Regression Learner.

Pour améliorer la précision avec des jeux de données de faible ou moyenne dimension, ajustez un modèle de régression linéaire avec fitlm.

Pour réduire le temps de calcul avec des jeux de données de grande dimension, ajustez un modèle de régression linéaire avec fitrlinear.

Applications

Regression LearnerTrain regression models to predict data using supervised machine learning

Blocs

RegressionLinear Predict Block IconRegressionLinear PredictPredict responses using linear regression model (depuis R2023a)
IncrementalRegressionLinear Predict Block IconIncrementalRegressionLinear PredictPredict responses using incremental linear regression model (depuis R2023b)
IncrementalRegressionLinear Fit Block IconIncrementalRegressionLinear FitFit incremental linear regression model (depuis R2023b)
Detect Drift Block IconDetect DriftUpdate drift detector states and drift status with new data (depuis R2024b)
Per Observation Loss Block IconPer Observation LossPer observation regression or classification error of incremental model (depuis R2025a)
Update Metrics Block IconUpdate MetricsUpdate performance metrics in incremental learning model given new data (depuis R2023b)

Fonctions

développer tout

Créer un objet LinearModel

fitlmFit linear regression model
stepwiselmPerform stepwise regression

Créer un objet CompactLinearModel

compactCompact linear regression model

Ajouter ou supprimer des termes dans un modèle linéaire

addTermsAdd terms to linear regression model
removeTermsRemove terms from linear regression model
stepImprove linear regression model by adding or removing terms

Prédire les réponses

fevalPredict responses of linear regression model using one input for each predictor
predictPredict responses of linear regression model
randomSimulate responses with random noise for linear regression model

Évaluer un modèle linéaire

anovaAnalysis of variance for linear regression model
coefCIConfidence intervals of coefficient estimates of linear regression model
coefTestLinear hypothesis test on linear regression model coefficients
dwtestDurbin-Watson test with linear regression model object
partialDependenceCompute partial dependence

Visualiser un modèle linéaire et les statistiques sommaires

plotScatter plot or added variable plot of linear regression model
plotAddedAdded variable plot of linear regression model
plotAdjustedResponseAdjusted response plot of linear regression model
plotDiagnosticsPlot observation diagnostics of linear regression model
plotEffectsPlot main effects of predictors in linear regression model
plotInteractionPlot interaction effects of two predictors in linear regression model
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
plotResidualsPlot residuals of linear regression model
plotSlicePlot of slices through fitted linear regression surface

Collecter les propriétés d’un modèle linéaire

gatherGather properties of Statistics and Machine Learning Toolbox object from GPU

Trouver la réponse maximale ou minimale d’un modèle linéaire

optimizeResponsePredictor and response values at response surface maximum or minimum of linear regression model (depuis R2026a)

Trouver les valeurs prédictives correspondant à la valeur de réponse spécifiée d’un modèle linéaire

matchResponsePredictor values at specified response value for linear regression model (depuis R2026a)

Créer un objet CensoredLinearModel

fitlmcensFit censored linear regression model (depuis R2025a)

Créer un objet CompactCensoredLinearModel

compactCreate compact censored linear regression model (depuis R2025a)

Prédire les réponses

fevalPredict responses of censored linear regression model using one input for each predictor (depuis R2025a)
predictPredict responses of censored linear regression model (depuis R2025a)
randomSimulate responses with random noise for censored linear regression model (depuis R2025a)

Évaluer un modèle linéaire censuré

coefCIConfidence intervals of coefficient estimates for censored linear regression model (depuis R2025a)
coefTestLinear hypothesis test on censored linear regression model coefficients (depuis R2025a)
partialDependenceCompute partial dependence

Visualiser un modèle linéaire censuré et les statistiques sommaires

plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
plotResidualsPlot residuals of censored linear regression model (depuis R2025a)
plotSlicePlot of slices through fitted censored linear regression surface (depuis R2025a)

Créer un objet

fitrlinearFit linear regression model to high-dimensional data

Utiliser un objet RegressionLinear

predictPredict response of linear regression model
limeLocal interpretable model-agnostic explanations (LIME)
lossRegression loss for linear regression models
partialDependenceCompute partial dependence
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values
selectModelsSelect fitted regularized linear regression models

Utiliser un objet RegressionPartitionedLinear

kfoldLossRegression loss for cross-validated linear regression model
kfoldPredictPredict responses for observations in cross-validated linear regression model

Créer un objet

fitrqlinearTrain quantile linear regression model (depuis R2024b)
compactReduce size of machine learning model
crossvalCross-validate machine learning model

Utiliser un objet RegressionQuantileLinear ou CompactRegressionQuantileLinear

lossLoss for quantile linear regression model (depuis R2024b)
predictPredict response for quantile linear regression model (depuis R2024b)

Utiliser un objet RegressionPartitionedQuantileModel

kfoldLossLoss for cross-validated partitioned quantile regression model (depuis R2025a)
kfoldPredictPredict responses for observations in cross-validated quantile regression model (depuis R2025a)
kfoldfunCross-validate function for quantile regression (depuis R2025a)

Ajuster et évaluer une régression linéaire

dwtestDurbin-Watson test with residual inputs
invpredInverse prediction
linhyptestLinear hypothesis test
plsregressPartial least-squares (PLS) regression
regressMultiple linear regression
regstatsRegression diagnostics
relieffRank importance of predictors using ReliefF or RReliefF algorithm
robustfitFit robust linear regression
stepwisefitFit linear regression model using stepwise regression

Ajuster des courbes polynomiales

polyconfPolynomial confidence intervals
polyfitAjuster des courbes polynomiales

Préparer les données

x2fxConvert predictor matrix to design matrix
dummyvarCreate dummy variables

Outils interactifs

polytoolInteractive polynomial fitting
robustdemoInteractive robust regression
Response Surface Demonstration ToolInteractive response surface modeling demonstration
Response Surface ToolInteractive response surface modeling
stepwiseInteractive stepwise regression

Objets

LinearModelLinear regression model
CompactLinearModelCompact linear regression model
CensoredLinearModelCensored linear regression model (depuis R2025a)
CompactCensoredLinearModelCompact censored linear regression model (depuis R2025a)
RegressionLinearLinear regression model for high-dimensional data
RegressionPartitionedLinearCross-validated linear regression model for high-dimensional data
RegressionQuantileLinearQuantile linear regression model (depuis R2024b)
CompactRegressionQuantileLinearCompact quantile linear regression model (depuis R2025a)
RegressionPartitionedQuantileModelCross-validated quantile model for regression (depuis R2025a)

Rubriques

Introduction à la régression linéaire

Workflows de régression linéaire

Régression par la méthode des moindres carrés partiels

  • Partial Least Squares
    Partial least squares (PLS) constructs new predictor variables as linear combinations of the original predictor variables, while considering the observed response values, leading to a parsimonious model with reliable predictive power.
  • Partial Least Squares Regression and Principal Components Regression
    Apply partial least squares regression (PLSR) and principal components regression (PCR), and explore the effectiveness of the two methods.