RegressionPartitionedKernel
描述
RegressionPartitionedKernel
是一组内核回归模型训练旨在折叠。获得一个旨在、内核回归模型使用fitrkernel
并指定一个交叉验证选项。你可以估计模型的预测质量,或如何推广的线性回归模型,利用一个或多个“kfold”方法:kfoldPredict
和kfoldLoss
。
每个“kfold”训练方法使用模型training-fold观察预测的反应validation-fold观察。例如,假设您旨在使用5折。在这种情况下,软件随机分配每个观测分成五组同等大小的(大概)。的培训褶皱包含四个组的(也就是说,约4/5的数据)和验证褶皱包含另一组(即约1/5的数据)。在这种情况下,交叉验证收益如下:
软件培训(存储在第一个模型
CVMdl.Trained {1}
)使用观察过去四组和储备第一组的观测验证。软件培训(存储在第二个模型
CVMdl.Trained {2}
)使用观察第一组最后三组。软件保留在第二组观察验证。软件将以类似的方式通过第五第三模型。
如果验证通过调用kfoldPredict
的观测,计算预测使用第一个模型组1,组2第二模式,等等。简而言之,每个观测使用的软件估计响应模型训练没有观察。
请注意
RegressionPartitionedKernel
模型对象不存储预测数据集。
创建
创建一个RegressionPartitionedKernel
对象使用fitrkernel
函数。使用一个“CrossVal”
,“CVPartition”
,“坚持”
,“KFold”
,或“Leaveout”
名称-值对参数调用fitrkernel
。详情,请参阅fitrkernel
函数引用页面。
属性
对象的功能
kfoldLoss |
回归损失旨在内核回归模型 |
kfoldPredict |
预测反应的观察旨在内核回归模型 |
例子
版本历史
介绍了R2018b