Main Content

Regresión con máquinas de vectores de soporte

Máquinas de vectores de soporte para modelos de regresión

Para aumentar la precisión en conjuntos de datos de dimensiones bajas y medianas, entrene un modelo de máquinas de vectores de soporte (SVM) mediante fitrsvm.

Para reducir el tiempo de proceso en conjuntos de datos de altas dimensiones, entrene de forma eficiente un modelo de regresión lineal, por ejemplo, un modelo SVM lineal, mediante fitrlinear.

Apps

Regression LearnerEntrenar modelos de regresión para predecir datos usando machine learning supervisado

Bloques

RegressionSVM PredictPredecir las respuestas mediante un modelo de regresión de máquina de vectores de soporte (SVM) (desde R2020b)
RegressionLinear PredictPredecir respuestas usando el modelo de regresión lineal (desde R2023a)

Funciones

expandir todo

fitrsvmFit a support vector machine regression model
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
predictPredict responses for Gaussian kernel regression model
crossvalCross-validated support vector machine regression model
partialDependenceCompute partial dependence (desde R2020b)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
limeLocal interpretable model-agnostic explanations (LIME) (desde R2020b)
shapleyShapley values (desde R2021a)

Objetos

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