Main Content

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

Soporte de regresión de la máquina vectorial

Soporta máquinas vectoriales para modelos de regresión

Para una mayor precisión en conjuntos de datos de baja y mediana dimensión, entrene un modelo de máquina vectorial de soporte (SVM) utilizando .fitrsvm

Para reducir el tiempo de cálculo en conjuntos de datos de alta dimensión, entrene de forma eficiente un modelo de regresión lineal, como un modelo SVM lineal, utilizando .fitrlinear

Apps

Train regression models to predict data using supervised machine learning
Alumno de regresiónTrain regression models to predict data using supervised machine learning

Funciones

expandir todo

fitrsvmAjustar un modelo de regresión de máquina vectorial de soporte
predictPredict responses using support vector machine regression model
fitrlinearFit linear regression model to high-dimensional data
predictPredict response of linear regression model
fitrkernelFit Gaussian kernel regression model using random feature expansion
lossRegression loss for Gaussian kernel regression model
predictPredict responses for Gaussian kernel regression model
resumeResume training of Gaussian kernel regression model
crossvalCross-validated support vector machine regression model
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots

Clases

expandir todo

RegressionSVMSupport vector machine regression model
CompactRegressionSVMCompact support vector machine regression model
RegressionLinearLinear regression model for high-dimensional data
RegressionPartitionedLinearCross-validated linear regression model for high-dimensional data
RegressionKernelGaussian kernel regression model using random feature expansion
RegressionPartitionedKernelCross-validated kernel model for regression

Temas

Comprender la regresión de la máquina vectorial de soporte

Comprender la formulación matemática de problemas de regresión SVM lineales y no lineales y algoritmos de solver.