このペ,ジの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
ス,パ,クラス:CompactRegressionGP
ガウス過程回帰モデルクラス
RegressionGP
は,ガウス過程回帰(gpr)モデルです。探地雷达モデルを学習させるには,fitrgp
を使用します。学習済みのモデルを使用して次を行えます。
resubPredict
を使用した学習デ,タの応答の予測,または预测
を使用した新しい予測子デ,タの応答の予測。予測区間を計算することもできます。
resubLoss
を使用した学習デ,タの回帰損失の計算,または损失
を使用した新しいデ,タの回帰損失の計算。
RegressionGP
オブジェクトの作成にはfitrgp
を使用します。
FitMethod
- - - - - -パラメ,タ,推定に使用された方式“没有”
|“准确”
|“sd”
|“老”
|膜集成电路的
探地雷达モデルの基底関数係数β,ノイズ標準偏差σおよびカーネルパラメーターθの推定に使用された方式。文字ベクトルとして格納されます。次のいずれかになります。
近似方式 | 説明 |
---|---|
“没有” |
推定を行いません。fitrgp はパラメ,タ,値として初期パラメ,タ,値を使用します。 |
“准确” |
厳密なガウス過程回帰。 |
“sd” |
デ,タ点サブセット近似。 |
“老” |
回帰変数サブセット近似。 |
膜集成电路的 |
完全独立条件近似。 |
BasisFunction
- - - - - -明示的な基底関数“没有”
|“不变”
|“线性”
|“pureQuadratic”
|関数ハンドル探地雷达モデルで使用される明示的な基底関数。文字ベクトルまたは関数ハンドルとして格納されます。次のいずれかになります。観測値の数が n の場合、基底関数はH*βという項をモデルに追加します。ここで,Hは基底行列,βはp行1列の基底係数のベクトルです。
明示的な基底関数 | 基底行列 |
---|---|
“没有” |
空の行列。 |
“不变” |
(1から成るn行1列のベクトル。Nは観測値の個数) |
“线性” |
|
“pureQuadratic” |
ここで
|
関数ハンドル |
ここで, |
デ,タ型:字符
|function_handle
β
- - - - - -推定された係数明示的な基底関数にいて推定した係数。ベクトルとして格納されます。明示的な基底関数は,fitrgp
で名前と値のペアの引数BasisFunction
を使用して定義できます。
デ,タ型:双
σ
- - - - - -推定されたノ@ @ズ標準偏差GPRモデルの推定ノiphone7ズ標準偏差。スカラ,値として格納されます。
デ,タ型:双
CategoricalPredictors
- - - - - -カテゴリカル予測子の@ @ンデックスカテゴリカル予測子の@ @ンデックス。正の整数のベクトルを指定します。CategoricalPredictors
には,カテゴリカル予測子が含まれている予測子デ,タの列に対応する,ンデックス値を格納します。どの予測子もカテゴリカルではない場合、このプロパティは空([]
)になります。
デ,タ型:单
|双
HyperparameterOptimizationResults
- - - - - -ハパパラメタの交差検証最適化BayesianOptimization
オブジェクト|テブルこのプロパティは読み取り専用です。
ハパパラメタの交差検証最適化。ハパパラメタおよび関連する値が含まれているテブルまたはBayesianOptimization
オブジェクトを指定します。モデルを作成するときに名前と値のペアの引数“OptimizeHyperparameters”
が空以外であった場合,このプロパティは空以外になります。HyperparameterOptimizationResults
の値は,モデル作成時の構造体HyperparameterOptimizationOptions
の优化器
フィ,ルドの設定によって変化します。
优化器 フィ,ルドの値 |
HyperparameterOptimizationResults の値 |
---|---|
“bayesopt” (既定の設定) |
BayesianOptimization クラスのオブジェクト |
“gridsearch” または“randomsearch” |
使用したハイパーパラメーター,観測された目的関数の値(交差検証損失),および最低(最良)から最高(最悪)までの観測値の順位が格納されているテーブル |
LogLikelihood
- - - - - -最大化した周辺対数尤度[]
最大化した探地雷达モデルの周辺対数尤度。FitMethod
が“没有”
以外の場合,スカラ,値として格納されます。FitMethod
が“没有”
の場合,LogLikelihood
は空になります。
FitMethod
が“sd”
、“老”
または膜集成电路的
の場合,LogLikelihood
は探地雷达モデルの周辺対数尤度を最大化した近似値になります。
デ,タ型:双
ModelParameters
- - - - - -学習に使用されたパラメタGPParams
オブジェクトGPRモデルの学習に使用されたパラメ,タ,。GPParams
オブジェクトとして格納されます。
KernelFunction
- - - - - -共分散関数の形式“squaredExponential”
|“matern32”
|“matern52”
|“ardsquaredexponential”
|“ardmatern32”
|“ardmatern52”
|関数ハンドル探地雷达モデルで使用した共分散関数の形式。組み込み共分散関数の名前が含まれる文字ベクトルまたは関数ハンドルとして格納されます。次のいずれかになります。
関数 | 説明 |
---|---|
“squaredexponential” |
二乗指数カ,ネル。 |
“matern32” |
パラメ,タ,が3/2の母体カ,ネル。 |
“matern52” |
パラメ,タ,が5/2の母体カ,ネル。 |
“ardsquaredexponential” |
予測子ごとに特性長スケ,ルが異なる二乗指数カ,ネル。 |
“ardmatern32” |
パラメタが3/2で予測子ごとに特性長スケルが異なる母体カネル。 |
“ardmatern52” |
パラメ,タ,が5/2で予測子ごとに特性長スケ,ルが異なる母体カ,ネル。 |
関数ハンドル | fitrgp で次のように呼び出すことができる関数ハンドル。Kmn = kfcn(Xm,Xn,theta) ここで, Xm はm行d列の行列,Xn はn行d列の行列,Kmn はKmn が(i, j)Xm (我:と)Xn (j,:)の間のカ,ネル積であるm行n列のカ,ネル積の行列です。θ はkfcn にr 1。 |
デ,タ型:字符
|function_handle
KernelInformation
- - - - - -カ,ネル関数のパラメ,タ,に関する情報GPRモデルで使用されたカ,ネル関数のパラメ,タ,に関する情報。次のフィルドをも構造体として格納されます。
フィ,ルド名 | 説明 |
---|---|
的名字 |
カ,ネル関数の名前 |
KernelParameters |
推定されるカ,ネルパラメ,タ,のベクトル |
KernelParameterNames |
KernelParameters の要素に関連付けられている名前。 |
デ,タ型:结构体
PredictMethod
- - - - - -予測を行うための方式“准确”
|“bcd”
|“sd”
|“老”
|膜集成电路的
预测
が探地雷达モデルから予測を行うために使用した方式。文字ベクトルとして格納されます。次のいずれかになります。
PredictMethod | 説明 |
---|---|
“准确” |
厳密なガウス過程回帰 |
“bcd” |
ブロック座標降下 |
“sd” |
デ,タ点サブセット近似 |
“老” |
回帰変数サブセット近似 |
膜集成电路的 |
完全独立条件近似 |
α
- - - - - -重み学習済みの探地雷达モデルから予測を行うために使用した重み。数値ベクトルとして格納されます。预测
は,次の積を使用して新しい予測子行列Xnew
にいて予測を計算します。
は とアクティブセットベクトル一个の間のカ,ネル積の行列,αは重みのベクトルです。
デ,タ型:双
BCDInformation
- - - - - -BCDに基づくα
の計算に関する情報[]
PredictMethod
が“bcd”
の場合の,ブロック座標降下(bcd)に基づくα
の計算に関する情報。次のフィ,ルドが含まれている構造体として返されます。
フィ,ルド名 | 説明 |
---|---|
梯度 |
収束時のBCD目的関数の勾配が含まれているn行1列の行列。 |
客观的 |
収束時のBCD目的関数が含まれているスカラ。 |
SelectionCounts |
BCDにおいて各点をブロックに選択した回数を示すn行1列の整数ベクトル。 |
α
プロパティには,bcdから計算したベクトルα
が格納されます。
PredictMethod
が“bcd”
ではない場合,BCDInformation
は空になります。
デ,タ型:结构体
ResponseTransform
- - - - - -予測応答に適用する変換“没有”
(既定値)予測された応答に適用する変換。モデルによって予測された応答値の変換方法を表す文字ベクトルとして格納されます。RegressionGP
では,ResponseTransform
は既定では“没有”
です。RegressionGP
は予測を行うときにResponseTransform
を使用しません。
ActiveSetVectors
- - - - - -学習デ,タのサブセットGPRモデルから予測を行うために使用した学習デ,タのサブセット。行列として格納されます。
预测
は,次の積を使用して新しい予測子行列Xnew
にいて予測を計算します。
は とアクティブセットベクトル一个の間のカ,ネル積の行列,αは重みのベクトルです。
ActiveSetVectors
は,厳密な探地雷达近似の場合の学習デ,タX
およびスパ,スな探地雷达法の場合の学習デ,タX
のサブセットと等しくなります。カテゴリカル予測子がモデルに含まれている場合,対応する予測子にいてのダミ変数がActiveSetVectors
に含まれます。
デ,タ型:双
ActiveSetHistory
- - - - - -アクティブセット選択とパラメ,タ,推定の履歴FitMethod
が“sd”
、“老”
または膜集成电路的
に等しい場合のインターリーブ方式によるアクティブセット選択とパラメーター推定の履歴。次のフィルドをも構造体として格納されます。
フィ,ルド名 | 説明 |
---|---|
ParameterVector |
基底関数の係数β,カーネル関数のパラメーターθおよびノイズ標準偏差σというパラメーターベクトルが含まれている细胞配列。 |
ActiveSetIndices |
アクティブセットのesc escンデックスが含まれているcell配列。 |
Loglikelihood |
最大化した対数尤度が含まれているベクトル。 |
CriterionProfile |
アクティブセットのサイズが0から最終的なサイズに増加する場合のアクティブセット選択基準値を含む细胞配列。 |
デ,タ型:结构体
ActiveSetMethod
- - - - - -アクティブセットの選択に使用された方式“sgma”
|“熵”
|“可能性”
|“随机”
スパスな方式(“sd”
、“老”
または膜集成电路的
)の場合にアクティブセットの選択に使用された方式。文字ベクトルとして格納されます。次のいずれかになります。
ActiveSetMethod | 説明 |
---|---|
“sgma” |
スパ,スグリ,ディ行列近似 |
“熵” |
微分エントロピ,に基づく選択 |
“可能性” |
回帰変数サブセットの対数尤度に基づく選択 |
“随机” |
無作為選択 |
選択したアクティブセットは,fitrgp
におけるFitMethod
とPredictMethod
の選択に応じて,パラメ,タ,の推定または予測で使用されます。
ActiveSetSize
- - - - - -アクティブセットのサ@ @ズスパスな方式(“sd”
、“老”
または膜集成电路的
)の場合のアクティブセットのサleiズ。整数値として格納されます。
デ,タ型:双
IsActiveSetVector
- - - - - -アクティブセットを選択するためのンジケタ学習済みGPRモデルから予測を行うためにアクティブセットを選択するためのンジケタ。逻辑ベクトルとして格納されます。これらのンジケタは,fitrgp
がアクティブセットとして選択する学習デ,タのサブセットを示します。たとえば,X
が元の学習デ,タである場合,activesetvector = X(IsActiveSetVector,:)
になります。
デ,タ型:逻辑
NumObservations
- - - - - -学習デ,タに含まれている観測値の数学習デ,タに含まれている観測値の数。スカラ,値として格納されます。
デ,タ型:双
X
- - - - - -学習デ,タ学習デ,タ。n行 d 列のテーブルまたは行列として格納されます。n は学習データに含まれている観測値の数、d は予測子変数 (列) の数です。テーブルに対して GPR モデルを学習させた場合、X
はテ,ブルになります。それ以外の場合,X
は行列になります。
デ,タ型:双
|表格
Y
- - - - - -観測された応答値探地雷达モデルを学習させるために使用した,観測された応答値。N行1列のベクトルとして格納されます。Nは観測値の数です。
デ,タ型:双
PredictorNames
- - - - - -予測子の名前探地雷达モデルで使用した予測子の名前。文字ベクトルのcell配列として格納されます。それぞれの名前 (セル) は、X
の列に対応します。
デ,タ型:细胞
ExpandedPredictorNames
- - - - - -展開された予測子の名前探地雷达モデルの展開された予測子の名前。文字ベクトルのcell配列として格納されます。それぞれの名前 (セル) は、ActiveSetVectors
の列に対応します。
モデルでカテゴリカル変数用にダミ,変数を使用している場合,ExpandedPredictorNames
には展開された変数を表す名前が含まれます。それ以外の場合,ExpandedPredictorNames
はPredictorNames
と同じです。
デ,タ型:细胞
ResponseName
- - - - - -応答変数の名前探地雷达モデルにおける応答変数の名前。文字ベクトルとして格納されます。
デ,タ型:字符
PredictorLocation
- - - - - -予測子の平均[]
学習デ,タを標準化した場合に探地雷达モデルを学習させるために使用した予測子の平均。1行d列のベクトルとして格納されます。学習デ,タを標準化しなかった場合,PredictorLocation
は空になります。
PredictorLocation
が空ではない場合,预测
メソッドはX
のすべての列からPredictorLocation
の対応する要素を減算することにより,予測子の値をセンタリングします。
カテゴリカル予測子がある場合,そのような予測子に対応する各ダミ,変数に,いてPredictorLocation
の要素は0になります。ダミ,変数は,センタリングもスケ,リングもされません。
デ,タ型:双
PredictorScale
- - - - - -予測子の標準偏差[]
学習デ,タを標準化した場合に探地雷达モデルを学習させるために使用した予測子の標準偏差。1行d列のベクトルとして格納されます。学習デ,タを標準化しなかった場合,PredictorScale
は空になります。
PredictorScale
が空ではない場合,预测
メソッドは(PredictorLocation
を使用してセンタリングした後で)X
のすべての列をPredictorScale
の対応する要素で除算することにより,予測子をスケ,リングします。
カテゴリカル予測子がある場合,そのような予測子に対応する各ダミ,変数に,いてPredictorLocation
の要素は1になります。ダミ,変数は,センタリングもスケ,リングもされません。
デ,タ型:双
RowsUsed
- - - - - -学習に使用した行のンジケタ[]
GPRモデルを学習させるために使用した行の@ンジケ@タ@。逻辑ベクトルとして格納されます。すべての行をモデルの学習に使用した場合,RowsUsed
は空になります。
デ,タ型:逻辑
紧凑的 |
コンパクトなガウス過程回帰モデルの作成 |
crossval |
ガウス過程回帰モデルの交差検証 |
损失 |
ガウス過程回帰モデルの回帰誤差 |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分従属プロット(pdp)および個別条件付き期待値(ice)プロットの作成 |
postFitStatistics |
厳密ガウス過程回帰モデルの当てはめ統計量の計算 |
预测 |
ガウス過程回帰モデルの予測応答 |
resubLoss |
学習済みガウス過程回帰モデルの再代入損失 |
resubPredict |
学習済みガウス過程回帰モデルによる再代入予測 |
デ,タサブセット近似法,回帰変数サブセット近似法または完全独立条件近似法の場合(FitMethod
が“sd”
、“老”
または膜集成电路的
に等しい場合)にアクティブセットを指定しないと,fitrgp
は一連の反復でアクティブセットを選択してパラメ,タ,推定を計算します。
1回目の反復では,ベクトルη0=[β0,σ0,θ0]の初期パラメ,タ,値を使用して,アクティブセット1を選択します。η0(初期値)と1を使用して新しいパラメ,タ,推定1を計算することにより,gprの周辺対数尤度または近似を最大化します。次に,η1と一1を使用して,新しい対数尤度1を計算します。
2回目の反復では,η1のパラメ,タ,値を使用して,アクティブセット2を選択します。次に,η1(初期値)と2を使用して,gprの周辺対数尤度または近似を最大化し,新しいパラメ,タ,値η2を推定します。そして,η2と一2を使用して,新しい対数尤度値2を計算します。
次の表は,反復と,各反復で計算されるものをまとめています。
反復数 | アクティブセット | パラメ,タ,ベクトル | 対数尤度 |
---|---|---|---|
1 | 一个1 | η1 | l1 |
2 | 一个2 | η2 | l2 |
3. | 一个3. | η3. | l3. |
... | ... | ... | ... |
指定した回数の繰り返しにいて,同様に反復処理が行われます。アクティブセット選択の反復回数は,名前と値のペアの引数NumActiveSetRepeats
を使用して指定できます。
このクラスのプロパティには,ドット表記を使用してアクセスできます。たとえば,KernelInformation
はカ,ネルパラメ,タ,とその名前が保持される構造体です。したがって,学習済みモデルgprMdl
のカ,ネル関数のパラメ,タ,にアクセスするには,gprMdl.KernelInformation.KernelParameters
を使用します。
使用上の注意事項および制限事項:
関数预测
はコ,ド生成をサポ,トします。
fitrgp
を使用してガウス過程回帰モデルに学習をさせ,学習デ,タをテ,ブルで与える場合,予測子は数値(双
または单
)でなければなりません。コド生成ではカテゴリカル予測子(逻辑
、分类
、字符
、字符串
,または细胞
)がサポ,トされません。また,名前と値のペアの引数“CategoricalPredictors”
は使用できません。カテゴリカル予測子をモデルに含めるには,モデルをあてはめる前にdummyvar
を使用してカテゴリカル予測子を前処理します。
詳細は,コ,ド生成の紹介を参照してください。
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。Webブラウザ,はMATLABコマンドをサポ,トしていません。
您也可以从以下列表中选择一个网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。