文件名称：决定系数MATLAB代码实现-regression_matlab:一组简单的函数来计算回归
文件大小：43KB
文件格式：ZIP
更新时间：2024-06-17 07:26:40
系统开源
决定系数MATLAB代码实现return_matlab 一组简单的函数来计算回归。 成对的输入值和目标值随机分布在训练，验证和测试集中。 使用训练集theta的值可以针对任何假设进行计算。 Lambda是通过检测成本函数的最佳值来确定的。 然后，为测试集计算确定系数。 ======= 例子 example_linReg.m计算线性假设的回归。 结构拟合数据返回选定的假设，θ的向量，λ的最佳拟合值以及计算出的确定系数。 function: @(x)hypothesis(x,theta,data) theta: [6x1 double] lambda: 1.0000e-06 R2: 1 example_calcReg计算在example_hypothesis.m中给出的假设的回归。 动机 实施此回归代码的原因： 遵循计算的每一步 通过将应用的值按组分布来获得显着拟合 在不改变环境的情况下为不同的假设应用代码 用法 在Matlab中运行calcReg.m。 将输入值和目标值加载到您的工作空间中，然后选择一个假设，theta的初始值和必需的选项。 执照 有关更多信息，请参见LICENSE文件。
【文件预览】：
regression_matlab-master
----startup.m(54B)
----example_hypothesis.m(156B)
----functions()
--------cosKernel.m(319B)
--------calcReg.m(623B)
--------getR2.m(324B)
--------uniformKernel.m(299B)
--------nadarayaWatsonEstimator.m(3KB)
--------picardKernel.m(181B)
--------calcR2.m(183B)
--------logithypothesis.m(339B)
--------prepareLinReg.m(234B)
--------train.m(950B)
--------triangleKernel.m(283B)
--------costfunction.m(411B)
--------statistics()
--------standardError.m(316B)
--------linReg.m(510B)
--------prepareRegression.m(2KB)
--------getRMS.m(323B)
--------regLinearize.m(508B)
--------gaussianKernel.m(195B)
--------splitDataRandom.m(2KB)
--------regressiondata.m(3KB)
--------linReghypothesis.m(113B)
--------epanechnikovKernel.m(633B)
--------logitReg.m(598B)
--------cauchyKernel.m(230B)
--------numlinearize.m(695B)
--------estimateH.m(245B)
--------krFeature.m(182B)
--------logitcostfunction.m(415B)
--------descaleLinReg.m(706B)
--------kernelReg.m(3KB)
--------test()
--------trainLinear.m(319B)
--------dataScale.m(1KB)
--------krReduceDim.m(669B)
----init.m(261B)
----LICENSE(1KB)
----example_logitReg.m(689B)
----README.md(1KB)
----example_linReg.m(708B)
----example_kernelReg.m(774B)
----example_calcReg.m(908B)
----README_kernel_regression.md(5KB)