hyperparameters
为优化变量描述一个合适的函数
语法
描述
返回给定合适的默认变量函数。这些变量设置时应用VariableDescriptions
= hyperparameters (FitFcnName
,预测
,响应
)OptimizeHyperparameters
名称-值参数“汽车”
。
返回指定一个符合学习者的变量类型。这个语法适用于当VariableDescriptions
= hyperparameters (FitFcnName
,预测
,响应
,LearnerType
)FitFcnName
是“fitcecoc”
,“fitcensemble”
,或“fitrensemble”
。
例子
获取默认Hyperparameters
获得的默认hyperparametersfitcsvm
分类器。
加载电离层
数据。
负载电离层
获得hyperparameters。
VariableDescriptions = hyperparameters (“fitcsvm”,X, Y);
检查所有hyperparameters。
为2 = 1:长度(VariableDescriptions) disp (ii), disp (VariableDescriptions (ii))结束
1 optimizableVariable属性:名称:“BoxConstraint”范围:[1.0000 e 03 1000]类型:“真实”的变换:“日志”优化:1 2 optimizableVariable属性:名称:“KernelScale”范围:[1.0000 e 03 1000]类型:“真实”的变换:“日志”优化:1 3 optimizableVariable属性:名称:“KernelFunction”范围:{“高斯”“线性”的多项式}类型:“直言”转变:“没有一个”优化:0 4 optimizableVariable属性:名称:“PolynomialOrder”范围:[2 - 4]类型:“整数”转变:“没有一个”优化:0 5 optimizableVariable属性:名称:“标准化”范围:{“真正的”“假”}类型:“直言”转变:“没有一个”优化:0
改变PolynomialOrder
hyperparameter更广泛,用于优化。
VariableDescriptions (4)。范围= (2、5);VariableDescriptions (4)。优化= true;disp (VariableDescriptions (4))
optimizableVariable属性:名称:“PolynomialOrder”范围:[2 - 5]类型:“整数”转变:“没有一个”优化:1
获得合奏Hyperparameters
获得的默认hyperparametersfitrensemble
总体回归函数。
加载carsmall
数据。
负载carsmall
使用马力
和重量
为预测变量,英里/加仑
作为反应变量。
X =(马力重量);Y = MPG;
获取默认hyperparameters树
学习者。
VariableDescriptions = hyperparameters (“fitrensemble”,X, Y,“树”);
检查所有hyperparameters。
为2 = 1:长度(VariableDescriptions) disp (ii), disp (VariableDescriptions (ii))结束
1 optimizableVariable属性:名称:“方法”范围:{“袋”“LSBoost”}类型:“直言”转变:“没有一个”优化:1 2 optimizableVariable属性:名称:“NumLearningCycles”范围:[500]类型:“整数”转变:“日志”优化:1 3 optimizableVariable属性:名称:“LearnRate”范围:[1.0000 e 03 1]类型:“真实”的变换:“日志”优化:1 4 optimizableVariable属性:名称:“MinLeafSize”范围:50[1]类型:“整数”转变:“日志”优化:1 5 optimizableVariable属性:名称:“MaxNumSplits”范围:[99]类型:“整数”转变:“日志”优化:0 6 optimizableVariable属性:名称:“NumVariablesToSample”范围:(1 2)类型:“整数”转变:“没有一个”优化:0
改变MaxNumSplits
hyperparameter更广泛,用于优化。
VariableDescriptions (5)。范围= [1200];VariableDescriptions (5)。优化= true;disp (VariableDescriptions (5))
optimizableVariable属性:名称:“MaxNumSplits”范围:[200]类型:“整数”转变:“日志”优化:1
输入参数
FitFcnName
- - - - - -拟合函数的名称
“fitcdiscr”
|“fitcecoc”
|“fitcensemble”
|“fitcgam”
|“fitckernel”
|“fitcknn”
|“fitclinear”
|“fitcnb”
|“fitcnet”
|“fitcsvm”
|“fitctree”
|“fitrensemble”
|“fitrgam”
|“fitrgp”
|“fitrkernel”
|“fitrlinear”
|“fitrnet”
|“fitrsvm”
|“fitrtree”
拟合函数的名称,指定为一个上市的分类或回归函数名。
如果FitFcnName
是“fitcecoc”
,“fitcensemble”
,或“fitrensemble”
,那么你还需要指定学习者类型LearnerType
论点。
例子:“fitctree”
预测
- - - - - -预测数据
矩阵D预测列|与D预测表列
预测数据,指定为一个矩阵与D D预测列或表预测列,D是预测的数量。
例子:X
数据类型:双
|逻辑
|字符
|字符串
|表
|细胞
|分类
|datetime
响应
- - - - - -类标签或数字的反应
分组变量|标量
LearnerType
- - - - - -学习者类型整体健康
“判别”
|“内核”
|“资讯”
|“线性”
|“支持向量机”
|“树”
|列出模板的学习者
学习者类型一个健康,指定为“判别”
,“内核”
,“资讯”
,“线性”
,“支持向量机”
,“树”
,或其中一个学习者的一个模板。使用这个参数时FitFcnName
是“fitcecoc”
,“fitcensemble”
,或“fitrensemble”
。
为“fitcensemble”
您可以指定只“判别”
,“资讯”
,“树”
,或者一个关联的模板。
为“fitrensemble”
,您可以指定“树”
或其关联的模板。
例子:“树”
输出参数
VariableDescriptions
——变量描述
向量的optimizableVariable
对象
变量描述,作为一个向量的返回optimizableVariable
对象。变量有默认参数设置,如范围和变量类型。所有符合条件的变量存在于描述,但未使用的变量“汽车”
设置有他们优化
属性设置为假
。你可以更新变量通过使用点符号,如图所示例子。
版本历史
介绍了R2016b
MATLAB명령
다음MATLAB명령에해당하는링크를클릭했습니다。
명령을실행하려면MATLAB명령창에입력하십시오。웹브라우저는MATLAB명령을지원하지않습니다。
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。