预测
高斯过程回归模型的预测反应
语法
ypred =预测(gprMdl Xnew)
[ypred, ysd yint] =预测(gprMdl Xnew)
[ypred, ysd yint] =预测(gprMdl Xnew,α,α)
描述
返回响应预测ypred
=预测(gprMdl
,Xnew
)ypred
高斯过程回归(GPR)模型gprMdl
和预测价值Xnew
。
(
还返回标准差ypred
,ysd
,yint
)=预测(gprMdl
,Xnew
)ysd
和95%的预测区间yint
的响应变量,计算在每一个观察Xnew
使用训练有素的探地雷达模型。
(
指定的显著性水平预测区间的置信水平ypred
,ysd
,yint
)=预测(gprMdl
,Xnew
“阿尔法”,α
)yint
。的置信水平yint
等于100(1 -α)%
。
输入参数
gprMdl
- - - - - -高斯过程回归模型
RegressionGP
对象|CompactRegressionGP
对象
高斯过程回归模型,指定为一个RegressionGP
(完整的)或CompactRegressionGP
(契约)对象。
α
- - - - - -显著性水平
0.05(默认)|数字标量[0,1]
输出参数
例子
计算预测的反应
生成样本数据。
n = 10000;rng (1)%的再现性x = linspace (0.5, 2.5, n) ';y =罪(10 *π。* x) / (2。* x) + (x - 1)。^ 4 + 1.5 *兰德(n, 1);
适合使用探地雷达模型Matern 3/2核函数单独为每个预测长度尺度和一组活性大小为100。用解释变量的子集近似方法对参数估计和完全独立的条件预测方法。
gprMdl = fitrgp (x, y,“KernelFunction”,“ardmatern32”,…“ActiveSetSize”,100,“FitMethod”,“老”,“PredictMethod”,膜集成电路的);
计算预测。
[ypred, ~,开办]=预测(gprMdl x);
情节的数据以及预测和预测时间间隔。
情节(x, y,“r”。)举行在情节(x, ypred,“b -”)情节(x,开办(:1),“k——”)情节(x,开办(:,2),“k——”)包含(“x”)ylabel (“y”)传说(“真正的反应”,“探地雷达预测”,…“预测区间限制”,“位置”,“最佳”)
当数据表计算预测
加载和存储在一个示例数据表
。
负载fisheriris台=表(量(:1),量(:,2),(:,3),(4):,,,…“VariableNames”,{“meas1”,“meas2”,“meas3”,“meas4”,“物种”});
适合使用第一测量探地雷达模型和其他变量的响应预测。
mdl = fitrgp(资源描述,“meas1”);
计算预测和99%的置信区间。
[ypred ~,开办]=预测(mdl、台、“α”,0.01);
情节真实的反应和预测随着预测时间间隔。
图();情节(mdl.Y“r”。);持有在;情节(ypred);情节(开办(:1),凯西:”);情节(开办(:,2),凯西:”);传奇(“真正的反应”,“探地雷达预测”,…“预测下限”,“预测上限”,…“位置”,“最佳”);
情节预测响应测试数据
加载示例数据。
负载(“gprdata.mat”);
数据包含训练和测试数据。在训练数据和100年有500个观察观察测试数据。数据6预测变量。这是模拟数据。
适合使用方探地雷达模型指数核函数与一个单独为每个预测长度尺度。标准化训练数据的预测。使用精确的拟合和预测方法。
gprMdl = fitrgp (Xtrain ytrain,“基础”,“不变”,…“FitMethod”,“准确”,“PredictMethod”,“准确”,…“KernelFunction”,“ardsquaredexponential”,“标准化”1);
预测的响应测试数据。
[ytestpred, ~, ytestci] =预测(gprMdl Xtest);
测试响应以及预测的阴谋。
图;情节(欧美,“r”);持有在;情节(ytestpred“b”);情节(ytestci (: 1),凯西:”);情节(ytestci (:, 2),凯西:”);传奇(“实际响应”,“探地雷达预测”,…“低95%”,的95%上,“位置”,“最佳”);持有从
提示
你可以选择预测方法,训练使用探地雷达模型
PredictMethod
名称-值对的论点fitrgp
。默认的预测方法“准确”
为n≤10000,n在训练数据的数量的观察,然后呢“bcd”
(块坐标下降),否则。计算标准偏差,
ysd
预测区间,yint
,不支持金宝appPredictMethod
是“bcd”
。如果
gprMdl
是一个CompactRegressionGP
对象,你不能计算标准差,ysd
或预测区间,yint
,因为PredictMethod
等于“老”
或膜集成电路的
。来计算ysd
和yint
为PredictMethod
等于“老”
或膜集成电路的
,使用完整的回归(RegressionGP
)对象。
选择
您可以使用resubPredict
计算预测反应训练有素的探地雷达模型训练数据的观测。
扩展功能
高大的数组
计算和数组的行比装入内存。
这个函数完全支持高数组。金宝app有关更多信息,请参见高大的数组。
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:
使用
saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器)生成的代码预测
函数。通过使用保存训练模型saveLearnerForCoder
。定义一个入口点函数,通过使用加载保存模型loadLearnerForCoder
并调用预测
函数。然后使用codegen
入口点函数来生成代码。单精度代码生成、使用标准化的数据通过指定
“标准化”,真的
当你训练模型。生成单精度C / c++代码预测
,指定名称参数“数据类型”、“单身”
当你打电话给loadLearnerForCoder
函数。此表包含的参数
预测
。参数不包括在这个表是完全支持。金宝app论点 笔记和局限性 Mdl
使用笔记和限制的模型对象,明白了代码生成的
CompactRegressionGP
对象。Xnew
Xnew
必须包含数字单精度和双精度矩阵或表变量,分类变量,或两者兼而有之。的行数,或观察
Xnew
可以一个变量的大小,但列的数量Xnew
必须是固定的。如果你想指定
Xnew
作为一个表,那么您的模型必须被训练使用一个表,你必须确保你的入口点函数预测:接受数据数组
创建一个表的数据输入参数并指定表中的变量名
通过表
预测
这个表的一个示例工作流,请参阅生成代码对数据表进行分类。在代码生成中使用表格的更多信息,见代码生成表(MATLAB编码器)和表限制代码生成(MATLAB编码器)。
名称-值对的观点 名字必须编译时常量参数名称-值对。例如,允许一个用户定义的显著性水平在生成的代码中,包括
{coder.Constant(α),0}
在arg游戏
的价值codegen
(MATLAB编码器)。
有关更多信息,请参见介绍代码生成。
版本历史
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。金宝app
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。