一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本
この例では、glmfit と glmval を使用して、一般化線形モデルの当てはめと評価を行う方法を示します。通常の線形回帰を使用すると、直線、またはパラメーターにおいて線形である任意の関数を、正規分布した誤差を伴うデータに当てはめることができます。これは最もよく使用されている回帰モデルですが、必ずしも現実的なモデルであるとは限りません。一般化線形モデルは、線形モデルを 2 つの方法で拡張したものです。第 1 に、リンク関数を導入することで、パラメーターにおける線形性の仮定が緩和されます。第 2 に、正規分布以外の誤差分布をモデル化できます。 一般化線形モデル回帰モデルは、応答変数 (一般に y で示される) の分布を、1 つ以上の予測子変数 (一般に x1、x2 などで示される) を使用して定義します。最もよく使用されている回帰モデルである通常の線形回帰は、正規確率変数として y をモデ
ロジスティック回帰
● ロジスティック回帰とは みなさんこんにちは。 さて、今日はロジスティック回帰というものを取り上げます。 前回の項目で回帰、というものをやりました。 単回帰や重回帰によってデータの変化の傾向を見る、そういうものでしたよね。 しかし、実際の動物データを扱う場合、データによっては一つ問題点があります。 それは、「データに一定の上限値が存在する。」ということです。 少し想像してみましょう。 ブタを飼育し、その体重を計測していた場合、ブタの体重は無制限に増加する事は考えられませんよね。 もしくは自分の身長や体重を思い浮かべてみるともっと分かりやすいでしょうか。 このような一定の上限値が存在するデータの場合、予測されるグラフは以下のようになります。 このような、Ｓ字状の曲線を描いたグラフをロジスティック（成長）曲線と言います。 このように定めたロジスティック曲線にデータを当て
一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本
この例では、glmfit と glmval を使用して、一般化線形モデルの当てはめと評価を行う方法を示します。通常の線形回帰を使用すると、直線、またはパラメーターにおいて線形である任意の関数を、正規分布した誤差を伴うデータに当てはめることができます。これは最もよく使用されている回帰モデルですが、必ずしも現実的なモデルであるとは限りません。一般化線形モデルは、線形モデルを 2 つの方法で拡張したものです。第 1 に、リンク関数を導入することで、パラメーターにおける線形性の仮定が緩和されます。第 2 に、正規分布以外の誤差分布をモデル化できます。 一般化線形モデル回帰モデルは、応答変数 (一般に y で示される) の分布を、1 つ以上の予測子変数 (一般に x1、x2 などで示される) を使用して定義します。最もよく使用されている回帰モデルである通常の線形回帰は、正規確率変数として y をモデ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
一般化線形モデルによるデータの近似 - MATLAB & Simulink Example - MathWorks 日本
