このペー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。
回帰学習器 | 教師あり機械学習を使用して,データを予測するように回帰モデルに学習をさせる |
fitrgp |
ガウス過程回帰(GPR)モデルの近似 |
预测 |
ガウス過程回帰モデルの予測応答 |
损失 |
ガウス過程回帰モデルの回帰誤差 |
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 |
石灰 |
本地可解释模型不可知解释(LIME) |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分依存プロット(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 |
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 |
沙普利 |
シャープレイ値 |
RegressionGP |
ガウス過程回帰モデルクラス |
CompactRegressionGP |
コンパクトなガウス過程回帰モデルクラス |
ガウス過程回帰(GPR)モデルは,ノンパラメトリックなカーネルベースの確率モデルです。
ガウス過程では,予測子の値が近い点は応答の値が近くなるという予想を共分散関数で表します。
厳密探地雷达法のパラメーター推定と予測について学びます。
大規模なデータセットに対してデータサブセット近似法を使用すると,ガウス過程回帰モデルに学習をさせるために必要な時間を大幅に短縮できます。
回帰変数サブセット近似法では,厳密なカーネル関数を近似に置き換えます。
完全独立条件(FIC)近似は,有効なガウス過程を維持したままSR近似の予測分散の問題を回避するように,適切なGPRカーネル関数を体系的に近似計算する方法です。
ブロック座標降下近似は,大規模なデータセットに対する計算時間を短縮するために使用されるもう1つの近似法です。