文件帮助中心文件
预测未用于培训的观察的响应
yhat = kfoldpredict（cvmdl）
例子
yhat= kfoldpredict（cvmdl.的）通过交叉验证的线性回归模型返回交叉验证的预测响应cvmdl.。也就是说，对于每一个折叠，Kfoldpredict.预测观察结果的响应，即它在使用所有其他观察中培训它时它能够抓住它。
yhat= kfoldpredict（cvmdl.的）
yhat
cvmdl.
Kfoldpredict.
yhat包含组成的线性回归模型中的每个正则化强度的预测响应cvmdl.。
展开全部
回归排球管道
交叉验证的线性回归模型，指定为a回归排球管道模型对象。你可以创建一个回归排球管道模型使用Fitrinear.例如，指定一个交叉验证，名称值对参数中的任何一个，横梁。
Fitrinear.
横梁
为了获得估计，kfoldpredict应用于交叉验证线性回归模型的相同数据（X和y）。
X
y
交叉验证的预测响应，作为一个返回N.-经过-L.数字数组。N.是创建的预测数据中的观测数量cvmdl.（看X） 和L.是正规化优势的数量cvmdl.tromed {1} .lambda。yhat（一世那j的）是预测的观察回应一世使用具有正则化强度的线性回归模型cvmdl.trined {1} .lambda（j的）。
cvmdl.tromed {1} .lambda
yhat（一世那j的）
一世
j
cvmdl.trined {1} .lambda（j的）
使用具有正则化强度的模型的预测响应j是 y ^ j = X β j + B. j 。
X是从预测器数据矩阵的观察X，并且是行矢量。
β j 是系数的估计柱矢量。该软件存储此向量mdl.beta（:,j的）。
mdl.beta（:,j的）
B. j 是估计的标量偏差，软件商店mdl.bias（j的）。
mdl.bias（j的）
从该模型中模拟10000个观察
y = X 1 0. 0. + 2 X 2 0. 0. + E. 。
X = X 1 那 。 。 。 那 X 1 0. 0. 0. 是10000×1000次稀疏矩阵，具有10％的非零标准正常元素。
E.随机正常误差，平均值0和标准偏差0.3。
RNG（1）再现性的百分比n = 1E4;d = 1E3;nz = 0.1;x = sprandn（n，d，nz）;y = x（：，100）+ 2 * x（:,200）+ 0.3 * randn（n，1）;
交叉验证线性回归模型。
cvmdl = fitrineear（x，y，'横穿'那'在'的）
cvmdl =回归排放后的线性CrossValidatedModel：'Linear'rancectename：'y'numobservations：10000 kfold：10分区：[1x1 cvpartition] ranceateetransform：'无'属性，方法
mdl1 = cvmdl.tromed {1}
MDL1 =回归线ractracemame：'y'responsefransform：'none'beta：[1000x1双]偏置：0.0107 lambda：1.1111e-04学习者：'svm'属性，方法
默认情况下，Fitrinear.实现10倍的交叉验证。cvmdl.是A.回归排球管道模型。它包含该物业训练有素，这是一个10×1个单元阵列保持10回归线性使用培训集培训的软件的模型。
训练有素
回归线性
预测观察的反应Fitrinear.没有使用训练折叠。
yhat = kfoldpredict（cvmdl）;
因为有一个正则化力量MDL.那yhat是数字矢量。
MDL.
模拟10000个观察预测交叉验证的响应。
创建一组15个对数间隔的正则化强度 1 0. - 5. 通过 1 0. - 1 。
lambda = logspace（-5，-1,15）;
交叉验证模型。为了提高执行速度，转换预测器数据并指定观察中的观察。使用Lasso惩罚使用最小二乘和使用Sparsa优化目标函数。
x = x';cvmdl = fitrineear（x，y，'观察'那'列'那'kfold'，5，'lambda'，lambda，......'学习者'那'最小要条件'那'求解'那'sparsa'那'正规化'那'套索'）;
cvmdl.是A.回归排球管道模型。它的训练有素属性包含一个培训的5×1个单元格数组回归线性模型，每个人在训练期间保持不同的折叠。因为Fitrinear.使用15个正则化优势训练，您可以想到每个正则化回归线性型号为15型号。
预测交叉验证的响应。
yhat = kfoldpredict（cvmdl）;尺寸（yhat）
ANS =.1×210000 15.
yhat（2，:)
ANS =.1×15.-1.7338 -1.7332 -1.7319 -1.7299 -1.7266 -1.7239 -1.7135 -1.7210 -1.7324 -1.7063 -1.6397 -1.5112 -1.2631-0.7841-0.0096
yhat是一个10000×15的矩阵。yhat（2，:)是观察2的交叉验证响应，使用包含所有15个正则化值的模型。
回归排球管道|预测|回归线性|Fitrinear.
预测
您拥有此示例的修改版本。您是否希望使用您的编辑打开此示例？
您单击了与此MATLAB命令对应的链接：
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站，以便在可用的地方进行翻译内容，并查看本地活动和优惠。根据您的位置，我们建议您选择：。
您还可以从以下列表中选择一个网站：
选择中国网站（以中文或英文）以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室
