SparseFiltering
通过稀疏特征提取过滤
描述
SparseFiltering
学习使用稀疏过滤转换映射输入预测新的预测。
创建
创建一个SparseFiltering
对象使用sparsefilt
函数。
属性
FitInfo
- - - - - -历史拟合
结构
这个属性是只读的。
拟合历史,作为结构返回两个字段:
迭代
——迭代数字从0到最终的迭代。客观的
——目标函数值在每个相应的迭代。迭代0对应于初始值,拟合之前。
数据类型:结构体
InitialTransformWeights
- - - - - -最初的功能转换重量
p
——- - - - - -问
矩阵
这个属性是只读的。
最初的功能转换权重,作为一个返回p
——- - - - - -问
矩阵,p
通过预测的数量吗X
和问
你想要的是特征的数量。这些权重传递给创建的初始权重函数。训练数据时数据类型单一X
是单身。
数据类型:单
|双
ModelParameters
- - - - - -参数用于训练模型
结构
这个属性是只读的。
参数用于训练模型,作为一个结构返回。结构包含字段相对应的一个子集sparsefilt
名称-值对,实际上在模型创建过程:
IterationLimit
VerbosityLevel
λ
标准化
GradientTolerance
StepTolerance
详情,请参阅sparsefilt
文档名称-值对。
数据类型:结构体
μ
- - - - - -预测意味着当标准化
p
——- - - - - -1
向量
这个属性是只读的。
预测意味着标准化时,作为一个返回p
——- - - - - -1
向量。该属性时非空的标准化
名称-值对是真正的
在创建模型。的价值是向量训练数据的预测方法。训练数据时数据类型单一X
是单身。
数据类型:单
|双
NumLearnedFeatures
- - - - - -大量的输出功能
正整数
NumPredictors
- - - - - -输入的数量预测
正整数
σ
- - - - - -预测标准差标准化
p
——- - - - - -1
向量
这个属性是只读的。
预测标准差标准化时,作为一个返回p
——- - - - - -1
向量。该属性时非空的标准化
名称-值对是真正的
在创建模型。预测的价值是向量训练数据的标准差。训练数据时数据类型单一X
是单身。
数据类型:单
|双
TransformWeights
- - - - - -功能转换重量
p
——- - - - - -问
矩阵
这个属性是只读的。
功能转换权重,作为一个返回p
——- - - - - -问
矩阵,p
通过预测的数量吗X
和问
你想要的是特征的数量。训练数据时数据类型单一X
是单身。
数据类型:单
|双
对象的功能
变换 |
预测转换成提取特征 |
例子
创建稀疏的过滤器
创建一个SparseFiltering
通过使用对象sparsefilt
函数。
加载SampleImagePatches
图像补丁。
data =负载(“SampleImagePatches”);大小(data.X)
ans =1×25000 363
363年有5000个图像补丁,每个都包含的特性。
从数据中提取100特性。
rng默认的%的再现性Q = 100;obj = sparsefilt (data.X Q“IterationLimit”,100)
警告:解决LBFGS无法收敛到一个解决方案。
obj = SparseFiltering ModelParameters: [1 x1 struct] NumPredictors: 363 NumLearnedFeatures: 100亩:σ[]:[]FitInfo: [1 x1 struct] TransformWeights: [363 x100双]InitialTransformWeights:[]属性,方法
sparsefilt
发出一个警告,因为它停止由于迭代达到极限,而不是达到一个步长限制或gradient-size极限。你仍然可以使用学到的特性通过调用返回的对象变换
函数。
版本历史
介绍了R2017a
Apri esempio
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
第一MATLAB
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano万博1manbetx comandi 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。