CompactRegressionGP类

超类:

紧凑的高斯过程回归模型类

扩展所有的页面

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

全部展开

`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

全部展开

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”`	$H = 1$ (n1的向量1 s,n是观测的数量)
`“线性”`	$H = (1, X]$
`“pureQuadratic”`	$H = (1, X, X_{2}],$ 在哪里 $X_{2} = (\begin{matrix} x_{11}^{2} & x_{12}^{2} & \dots & x_{1 d}^{2} \\ x_{21}^{2} & x_{22}^{2} & \dots & x_{2 d}^{2} \\ ⋮ & ⋮ & ⋮ & ⋮ \\ x_{n 1}^{2} & x_{n 2}^{2} & \dots & x_{n d}^{2} \end{matrix}] 。$
函数处理	函数处理,`hfcn`,这`fitrgp`电话为: $H = h f c n (X),$ 在哪里`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 845`Kmn`(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

$K (X_{n e w}, 一个) * α 。$

K (X_{n e w}, 一个)

是内核的矩阵之间的产品吗s manbetx 845

X_{n e w}

和有效集向量一个和α是一个向量的权重。

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

$K (X_{n e w}, 一个) * α 。$

K (X_{n e w}, 一个)

是内核的矩阵之间的产品吗s manbetx 845

X_{n e w}

和有效集向量一个和α是一个向量的权重。

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

方法

损失	回归误差为高斯过程回归模型
预测	高斯过程回归模型的预测反应

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。

另请参阅

RegressionGP|紧凑的|fitrgp|plotPartialDependence

主题

类属性(MATLAB)
属性的属性(MATLAB)

介绍了R2015b

这个主题有帮助吗?

文档

CompactRegressionGP类

描述

建设

输入参数

`gprMdl`- - - - - -完整的、训练有素的高斯过程回归模型
`RegressionGP`模型

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`

`BasisFunction`- - - - - -显式基函数
`“没有”`|`“不变”`|`“线性”`|`“pureQuadratic”`|函数处理