收集
描述
例子
收集属性的线性回归模型
收集装有GPU的线性回归模型的属性数组的数据。
加载carsmall
数据集创建。X
作为一个数字矩阵,包含三个汽车性能指标。创建Y
作为一个数值向量包含相应的英里每加仑。
负载carsmallX =(重量、马力、加速度);Y = MPG;
将预测X
和响应Y
来gpuArray
(并行计算工具箱)对象。
X = gpuArray (X);Y = gpuArray (Y);
适合一个线性回归模型mdl
通过使用fitlm
。
mdl = fitlm (X, Y);
显示的系数mdl
GPU和确定估计系数值数组。
mdl.Coefficients
ans =4×4表估计SE tStat pValue __________替__________(拦截)47.977 3.8785 12.37 4.8957 e-21 x1 -0.0065416 0.0011274 -5.8023 9.8742 e-08 x2 x3 -0.011583 0.19333 -0.059913 0.08078 -0.042943 0.024313 -1.7663 0.95236
isgpuarray (mdl.Coefficients.Estimate)
ans =逻辑1
收集线性回归模型的属性。
gatheredMdl =收集(mdl);
显示的系数gatheredMdl
GPU和确定估计系数值数组。
gatheredMdl.Coefficients
ans =4×4表估计SE tStat pValue __________替__________(拦截)47.977 3.8785 12.37 4.8957 e-21 x1 -0.0065416 0.0011274 -5.8023 9.8742 e-08 x2 x3 -0.011583 0.19333 -0.059913 0.08078 -0.042943 0.024313 -1.7663 0.95236
isgpuarray (gatheredMdl.Coefficients.Estimate)
ans =逻辑0
收集多个模型的属性
收集的属性和一个线性回归模型k最近的邻居分类器。两种模型安装使用GPU数组数据。
加载carsmall
数据集创建。X
作为一个数字矩阵,包含三个汽车性能指标,并将预测X
到一个gpuArray
对象。
负载carsmallX =(重量、马力、加速度);X = gpuArray (X);
适应的线性回归模型英里/加仑
(英里/加仑)作为预测的功能X
。
mdlLinear = fitlm (X, MPG);
火车3-nearest邻居使用预测分类器X
和类气缸
。规范noncategorical预测数据。
mdlKNN = fitcknn (X,气缸,“NumNeighbors”3,“标准化”1);
收集的属性mdLinear
和mdlKNN
模型。
[gMdlLinear, gMdlKNN] =收集(mdlLinear mdlKNN);
确定p价值Durbin-Watson测试的回归模型mdlLinear
是一个GPU数组。
isgpuarray (dwt (mdlLinear))
ans =逻辑1
确定p价值Durbin-Watson测试的回归模型gMdlLinear
是一个GPU数组。
isgpuarray (dwt (gMdlLinear))
ans =逻辑0
确定resubstitution损失的分类器mdlKNN
是一个GPU数组。
isgpuarray (resubLoss (mdlKNN))
ans =逻辑1
确定resubstitution损失的收集分类器gMdlKNN
是一个GPU数组。
isgpuarray (resubLoss (gMdlKNN))
ans =逻辑1
输入参数
obj
- - - - - -配备了GPU数组或对象gpuArray
对象
回归模型对象|分类模型对象|概率分布对象|cvpartition
对象|gpuArray
对象
配备了GPU数组或对象gpuArray
对象,指定为一个回归模型对象,分类模型对象,概率分布对象,cvpartition
对象,或gpuArray
(并行计算工具箱)对象。一个gpuArray
对象表示一个数组存储在GPU上。
更多信息的统计和机器学习的工具箱支持的对象万博1manbetx收集
,请参阅万博1manbetx支持回归模型,万博1manbetx支持分类模型,万博1manbetx支持概率分布对象。
更多关于
万博1manbetx支持回归模型
的收集
函数可以收集以下回归模型对象的属性。
模型类型 | 全部或紧凑的模型对象 | 模型创建函数 |
---|---|---|
整体回归的学习者 | RegressionEnsemble ,CompactRegressionEnsemble ,或RegressionBaggedEnsemble |
fitrensemble 或RegressionEnsemble 目标函数紧凑的 |
广义线性回归模型 | GeneralizedLinearModel 或CompactGeneralizedLinearModel |
fitglm 或GeneralizedLinearModel 目标函数紧凑的 |
完整的线性回归模型 | LinearModel 或CompactLinearModel |
fitlm 或LinearModel 目标函数紧凑的 |
回归树模型 | RegressionTree 或CompactRegressionTree |
fitrtree 或RegressionTree 目标函数紧凑的 |
万博1manbetx支持向量机回归模型 | RegressionSVM ,CompactRegressionSVM ,或RegressionPartitionedSVM |
fitrsvm |
旨在回归合奏 | RegressionPartitionedEnsemble |
fitrensemble |
旨在回归模型 | RegressionPartitionedModel |
fitrtree |
如果你想创建一个紧凑的模型配备GPU数组,输入参数mdl
的紧凑的
必须是一个完整的模型对象装有GPU数组输入参数。
万博1manbetx支持分类模型
的收集
函数可以收集以下分类模型对象的属性。
模型类型 | 全部或紧凑的模型对象 | 模型创建函数 |
---|---|---|
多类支持向量机模型或其他分类器万博1manbetx | ClassificationECOC 或CompactClassificationECOC |
fitcecoc 或ClassificationECOC 目标函数紧凑的 |
系综分类的学习者 | ClassificationEnsemble ,CompactClassificationEnsemble ,或ClassificationBaggedEnsemble |
fitcensemble 或ClassificationEnsemble 目标函数紧凑的 |
k最近的邻居分类器 | ClassificationKNN |
fitcknn |
万博1manbetx支持向量机(SVM)分类器 | ClassificationSVM 或CompactClassificationSVM |
fitcsvm 或ClassificationSVM 目标函数紧凑的 |
二叉决策树的多类分类 | ClassificationTree 或CompactClassificationTree |
fitctree 或ClassificationTree 目标函数紧凑的 |
旨在ECOC模型 | ClassificationPartitionedECOC |
fitcecoc |
旨在分类合奏 | ClassificationPartitionedEnsemble |
fitcensemble |
旨在分类模型 | ClassificationPartitionedModel |
fitcknn ,fitcsvm ,或fitctree |
如果你想创建一个紧凑的模型配备GPU数组,输入参数mdl
的紧凑的
必须是一个完整的模型对象装有GPU数组输入参数。
万博1manbetx支持概率分布对象
的收集
函数可以收集以下概率分布对象的属性。
概率分布 | 概率分布对象 | 对象创建函数 |
---|---|---|
贝塔分布 | BetaDistribution |
fitdist 与distname 指定为“β” |
二项分布 | BinomialDistribution |
fitdist 与distname 指定为“二” |
Birnbaum-Saunders分布 | BirnbaumSaundersDistribution |
fitdist 与distname 指定为“BirnbaumSaunders” |
毛刺分布 | BurrDistribution |
fitdist 与distname 指定为“毛刺” |
指数分布 | ExponentialDistribution |
fitdist 与distname 指定为“指数” |
极端值分布 | ExtremeValueDistribution |
fitdist 与distname 指定为“ExtremeValue” |
伽马分布 | GammaDistribution |
fitdist 与distname 指定为“伽马” |
广义极值分布 | GeneralizedExtremeValueDistribution |
fitdist 与distname 指定为“GeneralizedExtremeValue” |
广义帕累托分布 | GeneralizedParetoDistribution |
fitdist 与distname 指定为“GeneralizedPareto” |
Half-normal分布 | HalfNormalDistribution |
fitdist 与distname 指定为“HalfNormal” |
逆高斯分布 | InverseGaussianDistribution |
fitdist 与distname 指定为“InverseGaussian” |
内核分配 | KernelDistribution |
fitdist 与distname 指定为“内核” |
物流配送 | LogisticDistribution |
fitdist 与distname 指定为“物流” |
Loglogistic分布 | LoglogisticDistribution |
fitdist 与distname 指定为“Loglogistic” |
对数正态分布 | LognormalDistribution |
fitdist 与distname 指定为对数正态的 |
Nakagami分布 | NakagamiDistribution |
fitdist 与distname 指定为“Nakagami” |
负二项分布 | NegativeBinomialDistribution |
fitdist 与distname 指定为“NegativeBinomial” |
正态分布 | NormalDistribution |
fitdist 与distname 指定为“正常” |
泊松分布 | PoissonDistribution |
fitdist 与distname 指定为“泊松” |
瑞利分布 | RayleighDistribution |
fitdist 与distname 指定为“瑞利” |
tLocation-Scale分布 | tLocationScaleDistribution |
fitdist 与distname 指定为“tLocationScale” |
威布尔分布 | WeibullDistribution |
fitdist 与distname 指定为“威布尔” |
提示
收集GPU数组可以是昂贵的,通常是没有必要的,除非你需要使用结果与功能不支持GPU数组。万博1manbetx的完整列表统计和机器学习的工具箱函数接受GPU数组,明白了功能列表(GPU数组)。
你也可以叫
收集
其他数据类型,如分布式codistributed或高大的数组。如果收集的数据类型不支持,那么万博1manbetx收集
没有效果。
扩展功能
高大的数组
计算和数组的行比装入内存。
GPU数组
加速代码运行在一个图形处理单元(GPU)使用并行计算工具箱™。
这个函数完全支持GPU数组。万博1manbetx有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。
版本历史
介绍了R2020bR2023a:收集
万博1manbetx支持RegressionSVM
,CompactRegressionSVM
,RegressionPartitionedSVM
模型
从R2023a开始,您可以使用收集
函数创建一个RegressionSVM
,CompactRegressionSVM
,或RegressionPartitionedSVM
从一个等价的对象模型对象装有GPU数组数据。
Abrir比如
这种版本modificada德埃斯特比如。害怕Desea abrir埃斯特比如con sus modificaciones吗?
第一de MATLAB
Ha事实clic en联合国围绕此时一个埃斯特第一de MATLAB:
Ejecute el第一introduciendolo en la ventana de第一de MATLAB。洛杉矶navegadores网络没有admiten第一de MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。