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

Régularisation

R2026a

Régression Ridge, Lasso et Elastic Net pour les modèles linéaires généralisés

Pour améliorer la précision et le choix de la fonction lien avec des jeux de données de faible ou moyenne dimension, ajustez un modèle linéaire généralisé en appliquant une pénalité Lasso avec lassoglm.

Pour réduire le temps de calcul avec des jeux de données de grande dimension, entraînez un modèle de classification linéaire binaire tel qu’un modèle de régression logistique régularisée avec fitclinear. Il est également possible d’entraîner efficacement un modèle de codes de sortie correcteurs d’erreur (ECOC) multiclasse composé de modèles de régression logistique avec fitcecoc.

Pour la classification non linéaire de Big Data, entraînez un modèle de classification binaire à noyau gaussien en appliquant une régression logistique régularisée avec fitckernel.

Fonctions

développer tout

Régularisation sans utiliser d’objet

lassoglm Lasso or elastic net regularization for generalized linear models

Régression logistique régularisée avec un modèle linéaire, ECOC ou à noyau

`fitclinear`	Fit binary linear classifier to high-dimensional data
`templateLinear`	Linear learner template
`fitcecoc`	Fit multiclass models for support vector machines or other classifiers
`predict`	Predict labels for linear classification models
`fitckernel`	Fit binary Gaussian kernel classifier using random feature expansion
`predict`	Predict labels for Gaussian kernel classification model

Objets

`ClassificationLinear`	Linear model for binary classification of high-dimensional data
`ClassificationECOC`	Multiclass model for support vector machines (SVMs) and other classifiers
`ClassificationKernel`	Gaussian kernel classification model using random feature expansion
`ClassificationPartitionedLinear`	Cross-validated linear model for binary classification of high-dimensional data
`ClassificationPartitionedLinearECOC`	Cross-validated linear error-correcting output codes model for multiclass classification of high-dimensional data

Rubriques

Regularize Poisson Regression
Identify and remove redundant predictors from a generalized linear model.
Regularize Logistic Regression
Regularize binomial regression.
Regularize Wide Data in Parallel
Regularize a model with many more predictors than observations.
Lasso Regularization of Generalized Linear Models
The lasso algorithm produces a smaller model with fewer predictors. The related elastic net algorithm can be more accurate when predictors are highly correlated.