搜索资源列表
libsvm-2.89
- LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、 n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ） 等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可 以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概 率估计等.
smlr.m
- 编写的多元回归的交叉验证程序 可供做预测模型的同仁参考-Prepared by the multiple regression of cross-validation procedure
source
- 主成分分析与主成分回归 Principal Component Analysis and Regression-Principal component analysis and principal component regression Principal Component Analysis and Regression
olstest
- 多元回归是指一个因变量(预报对象),多个自变量(预报因子)的回归模型.基本方法是根据各变量值算出交叉乘积和Si。并利用c#实现-Multiple regression is a dependent variable (forecast object), a number of independent variables (predictors) of the regression model. The basic method is based on the calculated value o
PLSRG
- 用于自动计算X和Y矩阵的PLS回归。生成的各种表格一XLS文件存储。其中交叉验证内置，但是可能会有问题-Used to automatically calculate the X and Y matrices PLS regression. A variety of forms generated XLS file storage. Where cross-validation built-in, but there may be a problem
PLSR-in-Matlab
- 本文章详细介绍了PLSR片最小二乘回归的原理，以及如何用matlab源代码实现PLSR建立回归模型，以及交叉检验，得到最优模型。-This article describes in detail the principle of least squares regression PLSR piece, and how to use matlab source code PLSR regression model, and cross-examination, the optimal model.
ElasticNet
- 用线性回归，逻辑回归等各种方法来拟合函数曲线(Linear regression, logistic regression, fitted function curve)
lwppredict
- LWP是一种Matlab / Octave工具箱实现局部加权多项式回归（也被称为局部回归/局部加权散点平滑/黄土/ LOWESS和核平滑）。使用此工具箱，您可以使用九个具有度量窗口宽度或最近邻窗口宽度的任意一个内核来拟合任意维度的数据的局部多项式。还提供了一个优化内核带宽的函数。优化可采用留一交叉验证，GCV，AICC、AIC，FPE，T，执行，或单独的验证数据。鲁棒拟合也可用。(LWP is a Matlab/Octave toolbox implementing Locally Weight
itoolbox
- 协同区间偏最小二乘 siPLS算法是 N rgaard等对其提出 的 iPLS方法的改进, 其基本算法步骤如下:(1)对原始谱图进行 预处理;(2)在全谱范围内建立全局偏最小二乘模型, 即上节的 模型;(3)在整个光谱区间采用 iPLS建立多个等窗口宽度的子 区间, 假设为 n个;(4)在每个子区间上建立偏最小二乘法模型, 即可得到 n个局部模型;(5)以交叉验证时的均方根误差 RMSE 值为各模型的精度衡量标准, 比较全光谱模型和各局部模型的 精度;(6)组合精度最高的局部子区间