文档帮助中心
预测响应为高斯核回归模型
YFit =预测(MDL,X)
例
YFit=预测(MDL,X)返回预测在预测数据中的每个观测响应X基于二进制高斯核回归模型MDL。
YFit=预测(MDL,X)
YFit
MDL
X
全部收缩
预测使用高斯核回归模型的测试集响应carbig数据集。
carbig
加载carbig数据集。
加载carbig
指定预测变量(X)和响应变量(ÿ)。
ÿ
X = [重量,圆柱体,马力,Model_Year];Y = MPG;
中删除行X和ÿ其中任一阵列具有为NaN值。删除与行为NaN将数据传递到前值fitrkernel可加快训练速度和减少内存使用。
为NaN
fitrkernel
R = rmmissing([X Y]);X = R(:,1:4);Y = R(:,端);
观测作为保留样本的储备10%。提取分区定义的训练和测试指标。
RNG(10)%用于重现N =长度(Y);CVP = cvpartition(N,'坚持',0.1);idxTrn =训练(CVP);%训练集指标idxTest =试验(CVP);%测试集指标
标准化的训练数据和训练回归模型的内核。
Xtrain = X(idxTrn,:);Ytrain = Y(idxTrn);[Ztrain,tr_mu,tr_sigma] = zscore(Xtrain);%标准化训练数据tr_sigma(tr_sigma == 0)= 1;MDL = fitrkernel(Ztrain,Ytrain)
MDL = RegressionKernel ResponseName: 'Y' 学习者: 'SVM' NumExpansionDimensions:128 KernelScale:1 LAMBDA:0.0028 BoxConstraint:1的Epsilon:0.8617属性,方法
MDL是RegressionKernel模型。
RegressionKernel
利用训练数据列的相同平均值和标准偏差标准化的测试数据。预测测试集的响应。
XTEST = X(idxTest,:);ZTEST =(XTEST-tr_mu)./ tr_sigma;%标准化测试数据Ytest = Y(idxTest);YFit =预测(MDL,ZTEST);
创建包含第一10个观察到的响应值和预计响应值的表。
表(Ytest(1:10),YFit(1:10),'VariableNames',...{'ObservedValue','PredictedValue'})
ANS =10×2表ObservedValue PredictedValue _____________ ______________ 18 17.616 14 25.799 24 24.141 25 25.018 14 13.637 14 14.557 18 18.584 27 26.096 21 25.031 13 13.324
估计使用均方误差损失函数测试装置回归的损失。
L =损失(MDL,ZTEST,Ytest)
L = 9.2664
内核回归模型,指定为RegressionKernel模型对象。您可以创建一个RegressionKernel使用模型对象fitrkernel。
预测数据,指定为ñ-通过-p数字矩阵,其中ñ是观测值的数量和p是预测的数目。p必须等于用于列车的预测变量数MDL。
数据类型:单|双
单
双
预计响应,返回一个数值向量。
YFit是一个ñ-通过-1相同的数据类型作为响应数据的矢量(ÿ)用于训练MDL,其中ñ是观测的数量X。
此功能完全支持高大的阵列。万博1manbetx您可以使用培训了无论是在内存或使用此功能高大的数据模型。
欲了解更多信息,请参阅高大的数组(MATLAB)。
RegressionKernel|fitrkernel|失利|恢复
失利
恢复
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处