SparseFiltering

通过稀疏滤波特征提取

扩大所有页面

描述

SparseFiltering使用过滤稀疏得知输入预测映射到新的预测转化。

创建

创建一个SparseFiltering对象使用sparsefilt功能。

属性

展开全部

此属性是只读的。

装修历史，返回两个字段的结构：

  • 迭代- 从0迭代次数通过最终迭代。

  • 目的- 在每一个迭代对应的目标函数值。迭代0对应于初始值，任何嵌合前。

数据类型：结构

此属性是只读的。

初始特征变换的权重，返回为p-通过-q矩阵，其中p传递在预测的数量X和q是你想要的功能数量。这些权重是通过创造功能的初始权重。数据类型是单训练数据时X是单身。

数据类型：单|双

此属性是只读的。

用于训练模型参数，返回的结构。该结构包含对应于该字段的子集sparsefilt该模型的创建过程中有效名称 - 值对：

  • IterationLimit

  • VerbosityLevel

  • LAMBDA

  • 标准化

  • GradientTolerance

  • StepTolerance

有关详细信息，请参阅sparsefilt在文档中的名称 - 值对。

数据类型：结构

此属性是只读的。

当标准化手段预测，返回为p-通过-1向量。此属性不为空当标准化名称 - 值对是真正在模型创建。的值是在训练数据预测装置中的矢量。数据类型是单训练数据时X是单身。

数据类型：单|双

此属性是只读的。

输出功能数，返回一个正整数。这个值是q参数传递创造功能，这是功能学所要求的数量。

数据类型：双

此属性是只读的。

输入预测数，返回一个正整数。此值是通过预测数量X创造功能。

数据类型：双

此属性是只读的。

预测时的标准化标准偏差，返回为p-通过-1向量。此属性不为空当标准化名称 - 值对是真正在模型创建。该值是在训练数据中的预测标准偏差的矢量。数据类型是单训练数据时X是单身。

数据类型：单|双

此属性是只读的。

特征变换的权重，返回为p-通过-q矩阵，其中p传递在预测的数量X和q是你想要的功能数量。数据类型是单训练数据时X是单身。

数据类型：单|双

对象函数

转变 变换预测到提取的特征

例子

全部收缩

开立真实脚本

创建一个SparseFiltering通过使用对象sparsefilt功能。

加载SampleImagePatches图像块。

数据=负载（'SampleImagePatches'）;大小（data.X）
ANS =1×25000 363

有5000个图像块，每片含363层的功能。

从数据中提取100个特征。

RNG默认％用于重现Q = 100;OBJ = sparsefilt（data.X，Q，'IterationLimit'，100）
警告：求解LBFGS无法收敛到解。
OBJ = SparseFiltering ModelParameters：[1x1的结构] NumPredictors：363个NumLearnedFeatures：100穆：[]西格玛：[] FitInfo：[1x1的结构] TransformWeights：363x100双] InitialTransformWeights：[]的属性，方法

sparsefilt发出警告，因为它停止由于达到迭代极限，而不是达到了步长限制或梯度的大小限制。您还可以通过调用使用返回的对象学习功能转变功能。

也可以看看

|||

主题

介绍了在R2017a

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书