MATLAB 的 glmfit 与 fitglm
MATLAB's glmfit vs fitglm
我正在尝试执行逻辑回归以使用 MATLAB 进行分类。 MATLAB 的统计工具箱中似乎有两种不同的方法来构建广义线性模型'glmfit' 和'fitglm'。我无法弄清楚两者之间有什么区别。一个比另一个更可取吗？
这里是功能描述的链接。
http://uk.mathworks.com/help/stats/glmfit.html
http://uk.mathworks.com/help/stats/fitglm.html
不同之处在于函数输出的内容。 glmfit 仅输出 回归系数的向量 （如果您需要，还可以输出一些其他内容）。 fitglm 输出回归 object，其中包含各种信息和功能（请参阅 GeneralizedLinearModel class 上的文档）。我假设 fitglm 旨在替换 glmfit.
除了丹的回答，我想补充以下内容。
函数 fitglm 与统计工具箱中的新函数一样，接受比 glmfit 更灵活的输入。例如，您可以使用 table 作为数据源，指定 Y ~ X1 + X2 + ... 形式的公式，并使用分类变量。
附带说明一下，函数 lassoglm 使用（取决于）glmfit.
我正在尝试执行逻辑回归以使用 MATLAB 进行分类。 MATLAB 的统计工具箱中似乎有两种不同的方法来构建广义线性模型'glmfit' 和'fitglm'。我无法弄清楚两者之间有什么区别。一个比另一个更可取吗？
这里是功能描述的链接。
http://uk.mathworks.com/help/stats/glmfit.html http://uk.mathworks.com/help/stats/fitglm.html
不同之处在于函数输出的内容。 glmfit 仅输出 回归系数的向量 （如果您需要，还可以输出一些其他内容）。 fitglm 输出回归 object，其中包含各种信息和功能（请参阅 GeneralizedLinearModel class 上的文档）。我假设 fitglm 旨在替换 glmfit.
除了丹的回答，我想补充以下内容。
函数 fitglm 与统计工具箱中的新函数一样，接受比 glmfit 更灵活的输入。例如，您可以使用 table 作为数据源，指定 Y ~ X1 + X2 + ... 形式的公式，并使用分类变量。
附带说明一下，函数 lassoglm 使用（取决于）glmfit.