紧致回归

包：classreg.learning.regr

紧凑支持向量机回万博1manbetx归模型

扩大所有页面

说明

紧致回归是一个紧凑的支持向量机（S万博1manbetxVM）回归模型。它消耗不是一个完整的，经过培训的支持向量机更少的内存（万博1manbetx回归SVM模型），因为它不存储用于训练模型的数据。

由于紧凑模型不存储训练数据，你不能用它来执行某些任务，如交叉验证。但是，你可以使用一个紧凑的SVM回归模型预测使用新的输入数据的响应。

施工

紧凑型=紧凑型(MDL）返回一个紧凑的SVM回归模型紧凑型从一个完整的，训练的SVM回归模型，MDL。欲了解更多信息，请参阅契约。

输入参数

展开全部

全面，训练的SVM回归模型，指定为回归SVM模型由返回fitrsvm。

属性

展开全部

偶问题的系数，指定为数字值的向量。Α包含米元素，其中米在训练的SVM回归模型的支持向量的万博1manbetx数量。对偶问题引入了对每个支撑向量2倍拉格朗日乘数。万博1manbetx值Α是支持向量的两个估计拉格朗日乘子之间的差异。有关详细信息，请参见万博1manbetx理解支持向量机回归万博1manbetx。

如果你指定要删除重复使用移除上钩的话，对于特定的一组重复的观察结果是支持向量，万博1manbetxΑ包含对应于整个组的一个系数。也就是说，MATLAB®从该组重复的和系数的属性一个非零系数，以一个观测0到集合中的所有其他重复观测。

数据类型：单|双重的

原始线性问题的系数，存储为长度的数值向量p，其中p在SVM回归模型预测的数量。

中的值Beta版是的原始优化问题的线性系数。

如果模型是使用核函数而不是“线性”，此属性为空('[]'）。

该预测方法计算预测的响应值的模型作为YFIT=（X/S）×β+偏压，其中小号是存储在KernelParameters.Scale属性。

数据类型：双重的

支持向量机回归模型中的偏差项，存储为标量值。

数据类型：双重的

分类预测指标，指定为正整数的向量。分类预测因子包含对应于包含分类预测所述预测数据的列的索引值。如果没有预测的是分类的，则此属性是空的（[]）。

数据类型：单|双重的

扩展预测器的名称，存储作为字符向量的单元阵列。

如果编码分类变量，那么该模型的用途扩展预测名称包括描述扩展的变量名。除此以外，扩展预测名称是相同的预测器名称。

数据类型：细胞

核函数的参数，存储为与以下字段的结构。

领域 说明
功能 核函数名（字符向量）。
规模 用来划分预测值的数字比例因子。

您可以为指定的值KernelParameters.Function函数和KernelParameters.Scale通过使用KernelFunction和核尺度名称 - 值对的参数中fitrsvm， 分别。

数据类型：结构

预测器是指，存储为数值向量。

如果训练数据进行标准化，然后亩是长度的数值向量p，其中p是用于训练模型预测的数量。在这种情况下，预测方法预测中心矩阵X通过减去对应的元件亩从每一列。

如果训练数据不规范，那么亩是空的 （'[]'）。

数据类型：单|双重的

预测器的名称，存储作为为了包含每个预测器的名称字符向量的单元阵列，其中它们出现在X。预测器名称具有等于​​列的数目的长度X。

数据类型：细胞

响应变量名，存储为字符向量。

数据类型：烧焦

响应转换功能，指定为'没有'或函数句柄。ResponseTransform介绍了软件如何将原始响应值。

对于MATLAB功能，或者您定义的功能，进入它的功能句柄。例如，您可以输入Mdl.ResponseTransform = @功能，其中功能接受原始响应的数值向量，并返回包含转化的反应的相同大小的数值向量。

数据类型：烧焦|function_handle

预测标准差，存储为数值向量。

如果训练数据进行标准化，然后适马是长度的数值向量p，其中p是用于训练模型预测的数量。在这种情况下，预测方法缩放预测矩阵X通过的相应的元件将每个柱适马利用定心每个元素之后亩。

如果训练数据不规范，那么适马是空的 （'[]'）。

数据类型：单|双重的

万博1manbetx支持向量，存储为米-由-p矩阵数值。米是（支持矢量的数量万博1manbetx总和（Mdl.IsS万博1manbetxupportVector）），和p是预测的在数X。

如果你指定要删除重复使用移除上钩，然后给定一组重复的意见，即是支持向量，万博1manbetx万博1manbetxSupportVectors包含一个独特的支持向量。万博1manbetx

数据类型：单|双重的

方法

discard万博1manbetxSupportVectors 放弃支持向量万博1manbetx
失利 支持向量机回归模型回归错误万博1manbetx
预测 基于支持向量机回归模型的响应预测万博1manbetx

复制语义

值。要了解值类如何影响复制操作，请参阅复制对象（MATLAB）。

实例

全部收缩

这个例子展示了如何通过丢弃的训练数据和相关的培训过程中的一些信息，减少一个完整的，训练的SVM回归模型的大小。

此示例使用来自UCI机器学习库鲍鱼数据。下载数据，并将其与名称保存在当前目录下'鲍鱼.data'。将数据读入一个表。

TBL = readtable（'鲍鱼.data'，'文件类型'，'文本'，'ReadVariableNames'，假）;RNG默认％，持续重现

样本数据包含4177个观测值。所有预测变量都是连续的，除了性别，这与可能值的分类变量“我”（对于男性），'F'（女性），以及“我”（婴幼儿）。我们的目标是预测对鲍鱼环的数量，从而确定它的年龄，进行物理测量。

使用高斯核函数和自动内核大规模训练SVM回归模型。标准化的数据。

MDL = fitrsvm（TBL，'Var9'，'KernelFunction'，“高斯”，'KernelScale'，'汽车'，'标准化'，真正）
MDL = RegressionSVM PredictorNames：{1×8细胞} ResponseName： 'Var9' CategoricalPredictors：1个ResponseTransform： '无' 阿尔法：[3635x1双]偏压：10.8144 KernelParameters：[1x1的结构]穆：[1×10双]西格玛：[1×10双] NumObservations：4177 BoxConstraints：[4177x1双] ConvergenceInfo：[1x1的结构] IsSupportVector万博1manbetx：[4177x1逻辑]求解： 'SMO' 的属性，方法

紧凑模型。

compactMdl =紧凑（MDL）
compactMdl = classreg.learning.regr.CompactRegressionSVM PredictorNames：{1×8细胞} ResponseName： 'Var9' CategoricalPredictors：1个ResponseTransform： '无' 阿尔法：[3635x1双]偏压：10.8144 KernelParameters：[1x1的结构]穆：[1×10双]西格玛：1×10双] SupportV万博1manbetxectors：3635x10双]属性，方法

该压缩模式丢弃的训练数据和相关的培训过程中的一些信息。

比较完整的模型的大小MDL和紧凑模型紧凑型。

瓦尔=卫生组织（'compactMdl'，'mdl')；[变量（1）字节，变量（2）字节]
ANS = 323793 775968

关于整个模型的一半的内存压缩模式消耗。

工具书类

[1] Nash，W.J.，T.L.Sellers，S.R.Talbot，A.J.Cawthorn和W.B.Ford。鲍鱼（鲍种）在塔斯马尼亚的种群生物学。一，黑蝶鲍鱼（H.杨梅）从北部海岸和巴斯海峡群岛海洋水产部，技术报告第48号，1994年。

[2]沃，S.扩展和基准级联相关塔斯马尼亚大学计算机科学系博士论文，1995年。

[3] 克拉克，D，Z。施雷特，A。亚当斯。Dystal和反向传播的量化比较，提交给神经网络，1996年澳大利亚的会议。

[4] Lichman，M.UCI机器学习库[http://archive.ics.uci.edu/ml]。尔湾，CA：加州大学信息与计算机科学学院。

扩展功能

也可以看看

||||

介绍了在R2015b

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