CompactRegressionGP

包:classreg.learning.regr

紧凑型高斯过程回归模型类

扩大所有页面

描述

CompactRegressionGP是一个紧凑的高斯过程回归（GPR）模型。不是一个完整的模型存储器中的紧凑型消耗较少，因为它不包括用于训练GPR模型的数据。

由于紧凑模型不包括训练数据，不能执行一些任务，如交叉验证，采用小巧的机型。但是，您可以使用小型模型提出新的数据预测或计算回归的损失（使用预测和失利)。

建设

compactMdl =紧凑(gprMdl)返回一个紧凑的GPR模型，compactMdl，从一个完整的、训练有素的探地雷达模型，gprMdl。有关更多信息，请参见紧凑。

输入参数

展开全部

全面，训练有素的高斯过程回归模型，指定为RegressionGP模型，通过返回fitrgp。

属性

展开全部

配件

方法采用估算基函数系数的方法;噪声标准偏差，误差;并将探地雷达模型的核参数，即地压作为字符向量存储。它可以是下列情况之一。

合适的方法 描述
“没有” 没有估计。fitrgp使用初始参数值作为参数值。
“准确” 确切的高斯过程回归。
'SD' 数据点近似的子集。
“老” 子集回归量逼近。
“同人” 完全独立的条件逼近。

在GPR模型中使用的明确的基函数，存储为字符向量或功能句柄。它可以是下列情况之一。如果n是观测次数，基础功能增添术语H*β到模型，其中H基底矩阵是什么β是p×1基础系数的矢量。

明确的基础上 基础矩阵
“没有” 空矩阵。
'不变'

H = 1

(n乘以1的向量，其中n是观测值的数量）
“线性”

H = ( 1 , X ]

'pureQuadratic'

H = ( 1 , X , X 2 ] ,

哪里

X 2 = ( x 11 2 x 12 2 ⋯ x 1 d 2 x 21 2 x 22 2 ⋯ x 2 d 2 ⋮ ⋮ ⋮ ⋮ x n 1 2 x n 2 2 ⋯ x n d 2 ] 。

功能手柄

函数处理,hfcn,这fitrgp电话为：

H = h f c n ( X ) ,

哪里X是一个n-通过-d矩阵的预测和H是一个n-通过-p基函数的矩阵。

数据类型：烧焦|function_handle

直言预测指标，指定为正整数的向量。CategoricalPredictors包含与包含分类预测器的预测器数据列对应的索引值。如果没有谓词是范畴性的，则此属性为空([])。

数据类型：单|双

估计系数为明确基础功能，存储为矢量。您可以通过定义明确的基础功能BasisFunction名称 - 值对的参数中fitrgp。

数据类型：双

估计的GPR模型的噪声标准偏差，存储为标量值。

数据类型：双

用于训练探地雷达模型的参数，存储为GPParams对象。

核函数

在GPR模型中使用的协方差函数的形式，存储作为含有的名称的字符向量内置协方差函数或函数处理。它可以是下列情况之一。

函数 描述
“squaredexponential” 平方指数内核。
“matern32” 参数为3/2的Matern核函数。
'matern52' 参数为5/2的Matern内核。
'ardsquaredexponential' 平方指数内核，每个预测一个单独的尺度。
“ardmatern32” 参数为3/2的Matern核函数，每个预测器有单独的长度尺度。
“ardmatern52” Matern内核参数5/2和预测每一个单独的长度尺度。
功能手柄 函数句柄fitrgp可以这样调用：
KMN = kfcn（XM，XN，θ-）
哪里XM是一个米-通过-d矩阵，XN是一个n-通过-d矩阵和KMN是一个米-通过-n矩阵的核积使s manbetx 845KMN(我,j）之间的内核的产品XM(我:),XN(j，:)。
θ是r×1的无约束参数向量kfcn。

数据类型：烧焦|function_handle

关于在GPR模型中使用的核函数的参数，存储为与以下字段的结构的信息。

字段名称 描述
名称 内核函数的名称
KernelParameters 估计内核参数向量
KernelParameterNames 用的元素相关联的名称KernelParameters。

数据类型：结构体

预测

方法,预测用于根据地质雷达模型进行预测，并存储为字符向量。它可以是下列情况之一。

PredictMethod 描述
“准确” 精确高斯过程回归
'BCD' 块坐标下降
'SD' 数据点近似的子集
“老” 回归的子集近似
“同人” 完全独立的条件逼近

用于从训练过的探地雷达模型进行预测的权重，存储为一个数字向量。预测计算一个新的预测矩阵预测Xnew通过使用产品

K ( X n e w , 一个 ) * α 。

K ( X n e w , 一个 ) 矩阵之间是核乘积吗s manbetx 845 X n e w 和活性组矢量一个和α是权重的向量。

数据类型：双

应用于预测响应的转换，存储为描述如何转换模型预测的响应值的字符向量。在RegressionGP,ResponseTransform是“没有”默认情况下,RegressionGP不使用ResponseTransform在做预测。

活动集选择

用于从地质雷达模型进行预测的训练数据的子集，存储为一个矩阵。

预测计算一个新的预测矩阵预测Xnew通过使用产品

K ( X n e w , 一个 ) * α 。

K ( X n e w , 一个 ) 矩阵之间是核乘积吗s manbetx 845 X n e w 和活性组矢量一个和α是权重的向量。

ActiveSetVectors等于训练数据吗X用于精确的探地雷达拟合和训练数据的子集X稀疏GPR方法。当有模型分类预测，ActiveSetVectors包含了相应的预测虚拟变量。

数据类型：双

稀疏方法中用于选择活动集的方法('SD',“老”， 要么“同人”），存储为字符向量。它可以是下列情况之一。

ActiveSetMethod 描述
'SGMA' 稀疏矩阵贪婪逼近
'熵' 微分基于熵的选择
“可能性” 回归量的子集基于对数似然选择
“随机” 随机选择

选择的活动集用于参数估计或预测，取决于的选择使用fitmethod和PredictMethod在fitrgp。

对于稀疏方法的活动集的大小（'SD',“老”， 要么“同人”)，存储为整数值。

数据类型：双

方法

失利 高斯过程回归模型的回归误差
预测 预测高斯过程回归模型的响应

复制语义

价值。要了解值类如何影响复制操作，请参见复制对象(MATLAB)。

扩展功能

另请参阅

|||

主题

介绍了R2015b

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习:用MATLAB逐步指导

掌握机器学习:用MATLAB逐步指导

下载电子书