CompactRegressionGP类
超类:
紧凑的高斯过程回归模型类
描述
CompactRegressionGP
是一个紧凑的高斯过程回归(GPR)模型。紧凑的模型将消耗更少的内存比一个完整的模型,因为它不包括探地雷达用于训练的数据模型。
因为紧凑的模型并不包括训练数据,你无法执行一些任务,比如交叉验证,使用紧凑的模型。不过,您可以使用紧凑的模型进行预测或计算新的数据(使用回归损失预测
和损失
)。
建设
compactMdl =紧凑(gprMdl)
返回一个紧凑的探地雷达模型,compactMdl
,从一个完整的、训练有素的探地雷达模型gprMdl
。有关更多信息,请参见紧凑的
。
输入参数
gprMdl
- - - - - -完整的、训练有素的高斯过程回归模型
RegressionGP
模型
完整的、训练有素的高斯过程回归模型,指定为一个RegressionGP
返回的模型,fitrgp
。
属性
拟合
FitMethod
- - - - - -方法用来估计参数
“没有”
|“准确”
|“sd”
|“老”
|膜集成电路的
方法用来估计基函数系数,β;噪声标准差σ;内核参数θ,探地雷达的模型中,存储为一个特征向量。它可以是下列之一。
合适的方法 | 描述 |
---|---|
“没有” |
没有评估。fitrgp 使用初始参数值作为参数值。 |
“准确” |
确切的高斯过程回归。 |
“sd” |
子集的数据点近似。 |
“老” |
解释变量的子集近似。 |
膜集成电路的 |
完全独立的条件近似。 |
BasisFunction
- - - - - -显式基函数
“没有”
|“不变”
|“线性”
|“pureQuadratic”
|函数处理
显式基函数用于探地雷达模型、存储为一个特征向量或一个函数处理。它可以是下列之一。如果n观测的数量,基函数添加这个词吗H*β模型,H基础矩阵和吗β是一个p1系数向量的基础。
明确的基础上 | 基础矩阵 |
---|---|
“没有” |
空矩阵。 |
“不变” |
|
“线性” |
|
“pureQuadratic” |
|
函数处理 | 函数处理,
X 是一个n——- - - - - -d矩阵的预测和H是一个n——- - - - - -p基函数的矩阵。 |
数据类型:字符
|function_handle
CategoricalPredictors
- - - - - -指数的分类预测
向量的正整数
分类预测指标,指定为一个向量的正整数。CategoricalPredictors
包含索引值对应的列包含分类预测的预测数据。如果所有的预测都直言,那么这个属性是空的([]
)。
数据类型:单
|双
β
- - - - - -估计系数
向量
估计系数的显式的基函数,存储为一个向量。您可以定义显式基函数使用BasisFunction
名称-值对的论点fitrgp
。
数据类型:双
σ
- - - - - -估计噪声标准差
标量值
估计噪声标准差的探地雷达模型、存储为一个标量值。
数据类型:双
ModelParameters
- - - - - -参数用于培训
GPParams
对象
参数用于训练GPR模型,存储为一个GPParams
对象。
核函数
KernelFunction
- - - - - -形式的协方差函数
“squaredExponential”
|“matern32”
|“matern52”
|“ardsquaredexponential”
|“ardmatern32”
|“ardmatern52”
|函数处理
探地雷达中使用的协方差函数模型的形式,存储为一个特征向量包含内置的协方差函数的名称或一个函数处理。它可以是下列之一。
函数 | 描述 |
---|---|
“squaredexponential” |
平方指数内核。 |
“matern32” |
3/2 Matern内核与参数。 |
“matern52” |
5/2 Matern内核与参数。 |
“ardsquaredexponential” |
平方指数每预测内核与一个单独的长度尺度。 |
“ardmatern32” |
Matern内核参数(3/2)和一个单独的每个预测长度尺度。 |
“ardmatern52” |
Matern内核参数5/2和一个单独的每个预测长度尺度。 |
函数处理 | 一个函数处理fitrgp 可以调用:Kmn = kfcn (Xm, Xnθ) 在哪里 Xm 是一个米——- - - - - -d矩阵,Xn 是一个n——- - - - - -d矩阵和Kmn 是一个米——- - - - - -n矩阵的内核等产品s manbetx 845Kmn (我,j)是内核之间的产品Xm (我:),Xn (j:)。θ 是r1无约束参数向量kfcn 。 |
数据类型:字符
|function_handle
KernelInformation
- - - - - -核函数的参数信息
结构
核函数的参数信息用于探地雷达模型,与以下字段存储为一个结构。
字段名 | 描述 |
---|---|
的名字 |
核函数的名称 |
KernelParameters |
向量的估计内核参数 |
KernelParameterNames |
名称与元素有关KernelParameters 。 |
数据类型:结构体
预测
PredictMethod
- - - - - -方法进行预测
“准确”
|“bcd”
|“sd”
|“老”
|膜集成电路的
方法,预测
使用从探地雷达模型进行预测,存储为一个特征向量。它可以是下列之一。
PredictMethod | 描述 |
---|---|
“准确” |
确切的高斯过程回归 |
“bcd” |
块坐标下降 |
“sd” |
子集的数据点近似 |
“老” |
解释变量的子集近似 |
膜集成电路的 |
完全独立的条件近似 |
α
- - - - - -权重
数值向量
重量用来从训练有素的探地雷达模型作出预测,存储为一个数值向量。预测
对一个新的预测矩阵计算预测Xnew
通过使用该产品
数据类型:双
ResponseTransform
- - - - - -转换应用到预测的反应
特征向量
转换应用到预测响应,存储为一个特征向量描述模型预测响应值是如何被改变的。在RegressionGP
,ResponseTransform
是“没有”
和RegressionGP
不使用ResponseTransform
在做预测。
数据类型:字符
|function_handle
激活集选择
ActiveSetVectors
- - - - - -训练数据的子集
矩阵
训练数据的子集用于从探地雷达模型作出预测,存储为一个矩阵。
预测
对一个新的预测矩阵计算预测Xnew
通过使用该产品
ActiveSetVectors
等于训练数据X
确切的探地雷达配件和训练数据的一个子集X
对于稀疏的探地雷达方法。当有分类预测模型中,ActiveSetVectors
包含相应的预测的虚拟变量。
数据类型:双
ActiveSetMethod
- - - - - -方法选择激活集
“sgma”
|“熵”
|“可能性”
|“随机”
方法选择稀疏的有效集方法(“sd”
,“老”
,或膜集成电路的
),存储为一个特征向量。它可以是下列之一。
ActiveSetMethod | 描述 |
---|---|
“sgma” |
稀疏贪婪矩阵近似 |
“熵” |
微分entropy-based选择 |
“可能性” |
解释变量的子集日志基于可能性的选择 |
“随机” |
随机选择 |
选择的有效集是用于参数估计或预测,取决于的选择FitMethod
和PredictMethod
在fitrgp
。
ActiveSetSize
- - - - - -有效集的大小
整型值
规模有效集的稀疏方法(“sd”
,“老”
,或膜集成电路的
),存储为一个整数值。
数据类型:双
复制语义
价值。学习如何价值类影响复制操作,明白了复制对象(MATLAB)。
扩展功能
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
使用笔记和限制:
只有
预测
函数支持代码生成。万博1manbetx当你训练一个高斯过程回归模型通过使用
fitrgp
以下限制适用。代码生成不支持分类预测。万博1manbetx你不能提供训练数据在一个表,其中包含至少一个分类预测,你不能使用
“CategoricalPredictors”
名称-值对的论点。dummy-code变量,视为直言,预处理使用的分类数据dummyvar
在拟合模型。的值
“ResponseTransform”
名称-值对的论点不能一个匿名函数。
代码生成的例子,请参阅代码生成预测工作流和为代码生成指定大小可变的参数。有关更多信息,请参见主题代码生成。
介绍了R2015b
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
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。