。
スーパークラス:compactregressionsvm.
サポートベクターマシン回帰モデル
RegressionSVM
は,サポートサポートベクター(SVM)回帰回帰です。RegressionSVM
モデルを学習させるには,Fitrsvm.
と标本データを使用します。
RegressionSVM
モデルには,データ,パラメーター値,サポートベクターおよびアルゴリズムますますこれらのされます。
再代入予測の推定。詳細については,resubPredict
を参照してください。
新しいデータの値の予测。详细については,预测
を参照してください。
再代入损失の计算。详细については,resubLoss
を参照してください。
平均二乗誤差またはイプシロン不感応損失の計算。詳細については,损失
を参照してください。
RegressionSVM
オブジェクトの作物成にFitrsvm.
を使用します。
Α
- - - - - -双対問題の係数双対問題の係数。数量ベクトルを指定します。Α
には,m個の要素を含めます。mは学習済みSVM回帰モデルのサポートベクターの個数です。双対問題では,各サポートベクターについて2つずつのラグランジュ乗数を導入します。Α
の値は,サポートベクターについて推定した2つのラグランジュ乘数の差です详细。は,サポートベクターマシン回帰についてを参照してください。
RemoveDuplicates
を使用して重複の削除を指定した場合,サポートベクターである重複する観測値の特定の集合に対して,集合全体に対応する1つの係数がΑ
つまり,matlab®は,ある非ゼロ係数を重複集合内の1つの観測値によるものとし,係数0
は集合内の他のすべての重複観測値によるものとします。
データ型:单身的
|双倍的
bet
- - - - - -主線形問題の係数'[]'
主主形ののの。长さがpの数码ベクトル格式されます.pは,svm回帰モデルにおける子。
bet
の値は,最适化の主问题の线形系数です。
'线性'
以外のカーネル关数を使用してモデルを取得した场合,このプロパティは空('[]'
)になります。
预测
メソッドでは,YFIT =(X / S)×贝塔+偏置
によりモデルの予测応答値を计算します。年代
は,kernelparameters.scale.
プロパティに格纳されているカーネルスケールの値です。
データ型:单身的
|双倍的
偏见
- - - - - -バイアス项svm回帰モデルのバイアス项。スカラー値として格式さます。
データ型:单身的
|双倍的
BoxConstraints
- - - - - -双対问题のののに対する制约双対問題のアルファ係数に対するボックス制約。n個の要素が含まれている数値ベクトルとして格納されます。nはX
内の観測値の個数(Mdl。NumObservations
)です。
観测値iについて,双双数Α
の绝対値がBoxConstraints(我)
を超えることはできんん。
'removeduplicates'
をを使しし重复のの削除指定したたたたのに対して値の特征定の,matlabはボックス制约をし,この合肥が1つの値からのものと见なし见なし,0
のボックス制約が集合内の他のすべての観測値によるものとします。
データ型:单身的
|双倍的
CacheInfo
- - - - - -キャッシュ杂记キャッシュ情報。次のフィールドをもつ構造体として格納されます。
フィールド | 説明 |
---|---|
'尺寸' |
グラム行列エントリを格式するために予约キャッシュの(MB単位の)サイズを示す正のスカラー値。Fitrsvm. で名前と値ののペアペア数'缓存' を使用します。 |
'算法' |
容量を超えたときにキャッシュからエントリを削除するために使用するアルゴリズムの名前が含まれている文字ベクトル。现在,使用可能なキャッシュアルゴリズムは'队列' のみです。キャッシュアルゴリズムは设定できませ。 |
データ型:结构体
分类预测器
- - - - - -カテゴリカルカテゴリカル子のインデックスカテゴリカルカテゴリカル子のインデックス。正式の数のベクトル指定します。分类预测器
には,カテゴリカル予測子が含まれている予測子データの列に対応するイ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。
データ型:单身的
|双倍的
融合税收
- - - - - -收束杂记収束情報。次のフィールドをもつ構造体として格納されます。
フィールド | 説明 |
---|---|
融合 |
アルゴリズムが收束收束したたかどうをを示す示す示す论1 という値は,收束したことをます。 |
ReasonForConvergence |
收束の検出に使用された条件を示す文字ベクトル。 |
差距 |
双対目的関数と主目的関数の間の実行可能性ギャップを示すスカラー。 |
施法 |
この许容误差は実许容误差は。Fitrsvm. で名前と値ののペアペア数“GapTolerance” を使用して設定できます。 |
临时称为 |
下位の违反値と上位の违反値の间の勾配差分を示すスカラー。 |
DeltaGradientTolerance |
勾配差分の許容誤差を示すスカラー。この許容誤差は,Fitrsvm. で名前と値ののペアペア数DeltaGradientTolerance を使用して設定できます。 |
最大kktviolation |
カルーシュ·キューン·タッカー(kkt)违反の最大値をスカラー。 |
kkttolerance. |
kkt违反の最大値に対するスカラー许容误差。このこの许容误差,Fitrsvm. で名前と値ののペアペア数'kkttolerance' を使用して設定できます。 |
历史 |
モデル构造いる构造构造たた构造构造たたた构造构造たては构造ますますは构造ますますはははははははははははははにははいいいいいいいは构造は过にには过过にたににに过过に收束构造过过た收束收束过过收束收束收束情情过드
|
客观的 |
双対目的の数値。 |
データ型:结构体
ε
- - - - - -イプシロン不感応区間の幅の半分イプシロン不感応区間の幅の半分。非負のスカラー値として格納されます。
データ型:单身的
|双倍的
ExpandedPredictorNames
- - - - - -展開された予測子名展字ベクトルの细胞配列として格式さます。
モデルがカテゴリカル変数用のエンコーディングを使用している場合,ExpandedPredictorNames
にはのたたたたたたたががますます。ExpandedPredictorNames
は预测
ととです。
データ型:细胞
坡度
- - - - - -学习データにおける勾配の値学习データにおける勾配の値.2n个の要素が含まれてますベクトルますます,学校,学院データに含まれいる値の含ま。
坡度
の要素我には,最適化が完了した後の観測値我におけるイプシロン不感応区間の上限に対応するΑ
系数の勾配の値が格纳されます。
坡度
の要素I + NumObservationsには,最适化が完了した后の観测値我におけるイプシロン不感応区间の下限に対応するΑ
系数の勾配の値が格纳されます。
データ型:单身的
|双倍的
HyperparameterOptimizationResults
- - - - - -ハイハイパーパラメーターのの交差検证検证化贝叶斯偏见
オブジェクト|テーブルこのプロパティは読み取り専使用です。
ハイパーパラメーターの交差検证最适化。ハイパーパラメーターおよび关连する値が含まれているテーブルまたは贝叶斯偏见
オブジェクトを指定します。モデルを作用成するとき名称前と値のペアペア“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
フィールドの设定によって変化します。
优化器 フィールドの値 |
HyperparameterOptimizationResults の値 |
---|---|
“bayesopt” (既定の设定) |
贝叶斯偏见 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,観测された目的关数の値(交差検证损失),および最低(最良)から最高(最悪)までの観测値の顺位が格纳されているテーブル |
is万博1manbetxsupportVector.
- - - - - -観测値がサポートベクターであるかどうか示すフラグ観测値がサポートベクターであるかどうか示すフラグ.N行1列の逻辑ベクトルとして格纳されます.NはX
内の観測値の個数(NumObservations
を参照)です。1
RemoveDuplicates
を使用して重复のをを指定した合书,サポートベクターである重复する観测値特定ののに対して,is万博1manbetxsupportVector.
では1つの観测値にサポートベクターであるというフラグ设定されます。
データ型:逻辑
KernelParameters
- - - - - -カーネル関数のパラメーターカーネル関数のパラメーター。次のフィールドをもつ構造体として格納されます。
フィールド | 説明 |
---|---|
功能 |
カーネル関数名(文字ベクトル)。 |
规模 |
予測子の値の除算に使用する数値スケール係数。 |
KernelParameters.Function
およびkernelparameters.scale.
の値は,それぞれFitrsvm.
で凯恩机组
および内塞尔
の名前と値のペアの引数を使用して指定できます。
データ型:结构体
ModelParameters
- - - - - -パラメーター値支持向量机回帰モデルを学習させるために使用したパラメーターの値。モデルパラメーターオブジェクトとして格納されます。ModelParameters
ののプロパティにアクセスするするに,ドット表记を使使し。たとえば,モデルモデル学习させるために使使たε
の値には,Mdl.ModelParameters.Epsilon
としてアクセスします。
亩
- - - - - -予测子の平台'[]'
予測子の平均。数量ベクトルとして格納されます。
予測子が標準化されている場合,亩
は長さがpの数値ベクトルになります。pはモデルを学習させるために使用した予測子の数です。この場合,预测
メソッドでは,亩
の対応する要素を各列から减算することにより,予测子の行列X
をセンタリングします。
予测子が标准化されていない场合,亩
は空('[]'
)になります。
データにカテゴリカル予測子が含まれている場合,それらの予測子についてのダミー変数に対応する要素が亩
ににれます。ダミーダミー数はセンタリングもスケーリングされないので,亩
内の対応する要素は0になります。
データ型:单身的
|双倍的
NumIterations
- - - - - -收束收束に要したた反复最適化ルーチンが収束に達するために要した反復の数。正の整数値として格納されます。
反复数の制限を设定するには,Fitrsvm.
の名前と値のペアの引数“IterationLimit”
を使用します。
データ型:单身的
|双倍的
NumObservations
- - - - - -観测値の数学習データに含まれている観測値の数。正の整数値として格納されます。
データ型:单身的
|双倍的
预测
- - - - - -予测子名予测子名。X
に现れる顺序で各予测子の名前が含まれている文字ベクトルの细胞配列として格纳されます。预测
の长さは,X
の列数と等しくなります。
データ型:细胞
OutlierFraction
- - - - - -予想される外れ値の比率学習セット内の予想される外れ値の比率。[0, 1]の範囲にあるスカラー値として格納されます。予想される外れ値の比率は,Fitrsvm.
で名前と値ののペアペア数“OutlierFraction”
をを用して指定できます。
データ型:双倍的
ResponseName
- - - - - -応答変数名応答変数名。文字ベクトルとして格納されます。
データ型:char
OrkeTransform.
- - - - - -応答変换关节“没有”
|关节数応答结合关。“没有”
または関数ハンドルを指定します。OrkeTransform.
は,生の応答値を変换する方法を表します。
MATLAB関数やユーザー定義関数の場合は,関数ハンドルを入力します。たとえば,mdl.responsetransform = @function.
を入力できます。ここで功能
は,元の応答の数码ベクトル受け入れ,変换した応答が格式さている同じサイズサイズを返します。
データ型:char
|function_handle
ShrinkatePeriod.
- - - - - -アクティブセットの缩小间隔数最適化時におけるアクティブセットの縮小間の反復数。非負の整数値として格納されます。
缩小期间は,Fitrsvm.
で名前と値ののペアペア数“ShrinkagePeriod”
を使用して設定できます。
データ型:单身的
|双倍的
Sigma.
- - - - - -予测子の标准偏差'[]'
予测子の标准偏差。数码ベクトルとして格式され。
予測子が標準化されている場合,Sigma.
は長さがpの数値ベクトルになります。pはモデルを学習させるために使用した予測子の数です。この場合,预测
メソッドでは,亩
を使用して各要素をセンタリングした后で,Sigma.
のの対応する要素要素で各列を除算すること,予测子行程X
をスケーリングします。
予测子が标准化されていない场合,Sigma.
は空('[]'
)になります。
データにカテゴリカル予測子が含まれている場合,それらの予測子についてのダミー変数に対応する要素がSigma.
ににれます。ダミーダミー数はセンタリングもスケーリングされないので,Sigma.
内の対応する要素は1になります。
データ型:单身的
|双倍的
求解器
- - - - - -ソルバーアルゴリズムの名前最適化問題を解くために使用したソルバーアルゴリズムの名前。次の表の値が格納されます。
値 | 説明 |
---|---|
SMO的 |
逐次最小最锰化 |
ISDA的 |
反复単一个データ |
“L1QP” |
二次计画法によるl1ソフトマージンマージン小气(优化工具箱™ののが必要)。 |
万博1manbetx支持监视器
- - - - - -サポートベクターサポートベクター的.m行p列の数値行列として格纳されます的.mはサポートベクターの个数(sum(mdl.is万博1manbetxsupportvector)
), pはX
内のの子ののです。
RemoveDuplicates
を使用して重複の削除を指定した場合,サポートベクターである重複する観測値の特定の集合に対して,1つの一意なサポートベクターが万博1manbetx支持监视器
に格納されます。
データ型:单身的
|双倍的
W
- - - - - -観测値の重みモデルを学习ささせるため使使たたた値重み重みの重み重み。NumObservation
個の要素が含まれている数値ベクトルとして格納されます。Fitrsvm.
は,学習に使用する重みを合計が1になるように正規化します。
データ型:单身的
|双倍的
X
- - - - - -予测子の値モデルを学习させるために使用した予测子の値。行列に対してモデルを学习させた场合は数値の行列,テーブルに対してモデルを学习させた场合はテーブルとして格纳されます。X
のサイズはn行p列になり.Nは学习データデータ行数,pは予测子函数または列数です。
データ型:单身的
|双倍的
|表格
Y
- - - - - -観测された応答値観测された応答値。NumObservations
個の要素が含まれている数値ベクトルとして格納されます。
データ型:单身的
|双倍的
袖珍的 |
コンパクトコンパクトなサポートベクターベクターマシン回帰 |
crossval |
交差検证済みのサポートベクターマシン回帰モデル |
discard万博1manbetxSupportVectors |
サポートベクターの破棄 |
incrementallearner |
サポートベクターマシン(SVM)回帰モデルのインクリメンタル学習器への変換 |
损失 |
サポートベクターマシン回帰モデルの回帰误差 |
partialDependence |
部分従属の |
绘图竞争依赖性 |
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 |
预测 |
サポートベクターマシン回帰モデルの使による応答の予测 |
resubLoss |
サポートサポートベクターマシン回帰回帰モデル再代入再代入 |
resubPredict |
サポートベクターマシン回帰モデルの再代入応答の予測 |
的简历 |
サポートサポートベクターマシン回帰回帰モデルの习の开 |
値。値のクラスがコピー操作に与える影響については、オブジェクトのコピーを参照してください。
この例では,行列に格纳されている标本データを使用して线形サポートベクターマシン(SVM)回帰モデルを学习させる方法を示します。
Carsmall.
データセットを読み込みます。
负载Carsmall.RNG.默认%的再现性
予测子阶数(X
)として马力
と重量
を,応答変数(Y
)としてMPG.
を指定します。
X =(功率、重量);Y = MPG;
線形SVM回帰モデルを学習させます。
MDL = fitrsvm(X,Y)
Mdl = RegressionSVM ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none' Alpha: [75x1 double] Bias: 57.3958 KernelParameters: [1x1 struct] NumObservations: 93 BoxConstraints: [93x1 struct] ConvergenceInfo: [1x1 struct] Is万博1manbetxSupportVector: [93x1 logical] Solver: 'SMO'属性,方法
MDL.
が学習済みのRegressionSVM
モデルモデルことと,そのプロパティのリストが,コマンドウィンドウに表示され。
モデルが收束したかチェックします。
mdl.convergenceInfo.converged.
ans =逻辑0
0
は,モデルが收束しなかったを示します。
mdlstd = fitrsvm(x,y,'标准化',真的)
MdlStd = RegressionSVM ResponseName: 'Y' CategoricalPredictors:[] ResponseTransform: '无' 阿尔法:[77x1双]偏压:22.9131 KernelParameters:[1x1的结构]穆:[109.3441 2.9625e + 03]西格玛:[45.3545 805.9668] NumObservations:93BoxConstraints:[93x1双] ConvergenceInfo:[1x1的结构] IsSupportVecto万博1manbetxr:[93x1逻辑]求解: 'SMO' 的属性,方法
モデルが收束したかチェックします。
mdlstd.convergenceInfo.converged.
ans =逻辑1
1
は,モデルが収束したことを示します。
新しいモデルの再代入平均二乗誤差を計算します。
LSTD = resubLoss(MdlStd)
lStd = 17.0256
UCI机器学习存储库のアワビのデータを使してベクターマシン回帰モデル习习をさせます。
データをダウンロードして,'abalone.csv'
という名前で现でに保存します。
URL ='https://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data';WebSave('abalone.csv'URL);
データをテーブルに読み込みます。変数名を指定します。
varnames = {'性别';'长度';'直径';'高度';'Whole_weight';......'shucked_weight';'viscera_weight';'shell_weight';'戒指'};tbl =可读取的('abalone.csv','文件类型','文本',“ReadVariableNames”,错误的);Tbl.Properties.VariableNames = varnames;
4177年標本データには個の観測値が含まれています。性
を除くすべての予测子変は连続です。このこの数はカテゴリカル変で,可以能値は'M'
(雄),'F'
(雌)および'一世'
(稚贝)です。目标は,物理的な测定値を使用して(环
に格式されているアワビの轮の数号予测,年份を决定するですし。
自動カーネルスケールのガウスカーネル関数を使用してSVM回帰モデルを学習させます。データを標準化します。
RNG.默认重复性的%mdl = fitrsvm(tbl,'戒指','骨箱','高斯','kernelscale',“汽车”,......'标准化',真的)
Mdl = RegressionSVM PredictorNames:{1×8细胞}ResponseName:“戒指”CategoricalPredictors: 1 ResponseTransform:‘没有’α:(3635×1双)偏见:10.8144 KernelParameters:[1×1 struct]μ:[1×10双]σ:[1×10双]NumObservations: 4177 BoxConstraints:[4177×1双]ConvergenceInfo:[1×1 struct] IsSupportVector:万博1manbetx[4177×1 logical]解算器:'SMO'
MDL.
が学習済みのRegressionSVM
ドット表记を使使用して,MDL.
のプロパティを表示します。たとえば,モデルが収束したかどうかや、何回の反復が完了したかを確認します。
conv = Mdl. convergenceinfo . converiter = Mdl. conv = Mdl. convergenceinfo . converiterNumIterations
Conv =逻辑1 iter = 2759
返さ返さたた结果,このモデルが2759回の反复后に收束しことを示しています。
[1]纳什,W.J.,T.L.L.L.卖家,S.R.Talbot,A. J. Cawthorn和W. B. B. Ford。塔斯马尼亚鲍鱼人口生物学(嗜虾物种)。I. Blacklip鲍鱼(H. Rubra)来自北海岸和鲈鱼海峡岛,海渔业部门,技术报告第48号1994年。
[2]沃,S.扩展和基准级联相关性,博士论文,计算机科学系,塔斯马尼亚州,1995年大学。
克拉克,D., Z. Schreter, A. Adams。Dystal和Backpropagation的定量比较,提交给澳大利亚神经网络会议,1996年。
[4] Lichman,M. UCI机器学习知识库,[http://archive.ics.uci.edu/ml]。欧文,加利福尼亚州:加州大学,信息学院和计算机科学学院。
使用上の注意事项事项およびおよび限量事项:
万博1manbetx®にSVM回帰モデルの予测を统合するには,统计和机器学习工具箱™ライブラリにあるRegressionSVM预测ブロックを使用するか,MATLAB函数ブロックを関数预测
と共に使用します。
Fitrsvm.
を使用してSVM回帰モデルに学習をさせる場合,以下の制限が適用されます。
コード生成ではカテゴリカル子(逻辑
、分类
、char
、细绳
,または细胞
)がサポートされません。学习データデータテーブルで渡す渡す合,予测子は数号(双倍的
または单身的
)でなければなりません。また,名前と値のペアの引数“CategoricalPredictors”
は使用できません。カテゴリカル予测子をモデルに含めるには,モデルをあてはめる前にdummyvar
をを用してカテゴリカルカテゴリカル子ををを前ししし。
名称と値のペアペアの数“ResponseTransform”
の値は“没有”
(既定の设定)でなければなりません。
固定小数点コードの生成では,名前と値のペアの引数'骨箱'
の値が'高斯'
、'线性'
,または多项式的
でなければなりません。
详细は,コード生成の绍介を参照してください。
次のmatlabコマンドコマンドにに対応するリンクがクリックされまし
コマンドをmatlabコマンドコマンドウィンドウにににに実行してください.webブラウザーはmatlabコマンドをサポートしていませんんんん。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。