预测
高斯过程回归模型的预测响应
语法
ypred =预测（gprmdl，xnew）
[ypred, ysd] =预测(gprMdl Xnew)
[ypred，ysd，yint] =预测（gprmdl，xnew）
[ypred, ysd yint] =预测(gprMdl Xnew,名称,值)
描述
ypred=预测（gprmdl.，Xnew.）ypred对于完整或紧高斯过程回归(GPR)模型，gprmdl.，以及预测的值Xnew.．
［中预测值处的新响应的估计标准偏差ypred，ysd] =预测（gprmdl.，Xnew.）Xnew.训练有素的GPR模型。
［还返回95％的预测间隔，ypred，ysd，yint] =预测（gprmdl.，Xnew.）yint，对于对应于每行的真实响应Xnew.．
［还返回预测间隔，其中包含一个或多个指定的其他选项ypred，ysd，yint] =预测（gprmdl.，Xnew.，名称,值）名称,值对参数。例如，可以指定预测区间的置信级别。
输入参数
输出参数
例子
计算预测的答复
生成示例数据。
n = 10000;RNG（1）重复性的％x = linspace（0.5,2.5，n）';y = sin（10 * pi。* x）./（2. * x）+（x-1）。^ 4 + 1.5 * rand（n，1）;
拟合的GPR模型使用的Matern 3/2核函数与单独的长度尺度的每个预测和活动集规模为100。参数估计采用回归子集近似法，预测采用完全独立条件法。
gprMdl = fitrgp (x, y,“KernelFunction”，'ardmatern32'，......'ActiveSetSize', 100,“FitMethod”，“老”，“PredictMethod”，'fic'）;
计算预测。
[ypred，〜，yci] =预测（gprmdl，x）;
绘制数据以及预测和预测间隔。
情节(x, y,“r”。）;持有上情节(x, ypred);情节(x,开办(:1),“k——”）;plot（x，YCI（:,2），“k——”）;包含(“x”）;ylabel（“y”）;
当数据在表中时计算预测
加载样本数据并存储在一个表格．
负载fisheririsTBL =表（MEAS（：1），MEAS（:,2），MEAS（：3），MEAS（：4），物种，......'variablenames'，{“meas1”，“meas2”，“meas3”，“meas4”，“物种”}）;
拟合GPR模型使用第一个测量作为响应和其他变量作为预测。
mdl = fitrgp(资源描述,“meas1”）;
计算预测和99%置信区间。
[ypred ~,开办]=预测(mdl、台、'Α', 0.01);
绘制真实反应和预测以及预测区间。
数字（）;情节（mdl.y，“r”。）;持有上;情节（Ypred）;情节（YCI（：，1），'k：'）;情节（YCI（:,2），'k：'）;传奇（'真实的回应'，'GPR预测'，......'较低的预测极限'，“预测上限”，......'地点'，“最佳”）;
绘图预测测试数据的响应
加载样本数据。
加载（'gprdata.mat'）;
数据包含培训和测试数据。在训练数据中有500个观察和测试数据中的100个观察。数据有8个预测变量。这是模拟数据。
使用Squared指数内核功能适合GPR模型，每个预测器具有单独的长度尺度。标准化培训数据中的预测因子。使用精确的拟合和预测方法。
gprmdl = fitrgp（Xtrain，Ytrain，'基础'，'不变'，......“FitMethod”，'精确的'，“PredictMethod”，'精确的'，......“KernelFunction”，'ardsquaredexponential'，'标准化'1);
预测测试数据的响应。
[ytestpred, ~, ytestci] =预测(gprMdl Xtest);
绘制测试响应以及预测。
数字;绘图（ytest，“r”）;持有上;情节（ytestpred，'B'）;情节(ytestci (: 1),'k：'）;情节(ytestci (:, 2),'k：'）;传奇（'实际反应'，'GPR预测'，......“低95%”，的95%上，'地点'，“最佳”）;持有从
尖端
您可以使用使用的培训GPR模型选择预测方法
PredictMethod名称 - 值对参数fitrgp.．默认的预测方法为'精确的'为n≤10000，在哪里n是培训数据中的观察数，以及'bcd'（块坐标血管下降），否则。计算标准偏差，
ysd和预测间隔，yint时不支持万博1manbetxPredictMethod是'bcd'．如果
gprmdl.是A.CompactregressionGP.你不能计算标准差，ysd，或预测区间，yint,因为PredictMethod等于“老”或者'fic'．计算ysd和yint为PredictMethod等于“老”或者'fic'，使用完全回归(regressiongp.） 目的。
选择
您可以使用resubPredict在培训数据的观察中计算训练的GPR模型的预测响应。
扩展能力
你也可以从以下列表中选择一个网站:
