主要内容

hyperparameters

为优化变量描述一个合适的函数

所有的页面崩溃

语法

VariableDescriptions = hyperparameters (FitFcnName、预测、响应)
VariableDescriptions = hyperparameters (FitFcnName预测、响应LearnerType)

描述

例子

VariableDescriptions= hyperparameters (FitFcnName,预测,响应)返回给定合适的默认变量函数。这些变量设置时应用OptimizeHyperparameters名称-值参数“汽车”。

例子

VariableDescriptions= hyperparameters (FitFcnName,预测,响应,LearnerType)返回指定一个符合学习者的变量类型。这个语法适用于当FitFcnName是“fitcecoc”,“fitcensemble”,或“fitrensemble”。

例子

全部折叠

打开生活的脚本

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PolynomialOrderhyperparameter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
打开生活的脚本

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MaxNumSplitshyperparameter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

全部折叠

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

类标签或数字反应,指定为分组变量(见分组变量)或一个标量。

例子:Y

数据类型:单|双|逻辑|字符|字符串|细胞

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

全部折叠

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

另请参阅

|