主要内容

预测

为高斯核回归模型预测的反应

所有的页面崩溃

语法

X YFit =预测(Mdl)

描述

例子

YFit=预测(Mdl,X)返回一个向量的预测响应预测矩阵或表中的数据X基于二进制高斯内核回归模型Mdl。

例子

全部折叠

打开生活的脚本

预测测试集使用高斯核回归模型的响应carbig数据集。

加载carbig数据集。

负载carbig

指定预测变量(X)和响应变量(Y)。

X =[重量、气缸、马力,Model_Year];Y = MPG;

删除行X和Y要么在数组南值。删除行南前值传递数据fitrkernel可以加快训练和减少内存使用量。

R = rmmissing ([X Y]);X = R (:, 1:4);Y = R(:,结束);

储备的10%作为抵抗样本观察。从分区中提取的训练和测试指标的定义。

rng (10)%的再现性N =长度(Y);本量利= cvpartition (N,“坚持”,0.1);idxTrn =培训(cvp);%训练集指数idxTest =测试(cvp);%测试集指数

规范训练数据和训练回归内核模式。

Xtrain = X (idxTrn:);Ytrain = Y (idxTrn);[Ztrain, tr_mu tr_sigma] = zscore (Xtrain);%规范训练数据tr_sigma (tr_sigma = = 0) = 1;Mdl = fitrkernel (Ztrain Ytrain)
Mdl = RegressionKernel ResponseName:‘Y’学习者:“支持向量机”NumExpansionDimensions: 128 KernelScale: 1λ:0.0028 BoxConstraint: 1ε:0.8617属性、方法

Mdl是一个RegressionKernel模型。

标准化测试数据使用相同的训练数据列的平均值和标准偏差。为测试集预测反应。

Xtest = X (idxTest:);中兴通讯= (Xtest-tr_mu)。/ tr_sigma;%标准化测试数据欧美= Y (idxTest);YFit =预测(Mdl,中兴通讯);

创建一个表包含前10所观察到的响应值和预测响应值。

表(欧美(1:10),YFit (1:10),“VariableNames”,…{“ObservedValue”,“PredictedValue”})
ans =10×2表18 17.616 14 25.799 24 ObservedValue PredictedValue _________________ * * * 24.141 25 25.018 14 13.637 14 14.557 18 18.584 27 26.096 21 25.031 13 13.324

估计使用均方误差的测试集回归损失损失函数。

L =损失(Mdl、中兴通讯、欧美)
L = 9.2664

输入参数

全部折叠

内核回归模型,指定为一个RegressionKernel模型对象。您可以创建一个RegressionKernel模型对象使用fitrkernel。

预测数据用于生成反应,指定为一个数字矩阵或表。

每一行的X对应于一个观察,每一列对应一个变量。

  • 一个数字矩阵:

    • 变量的列X必须有相同的订单预测变量,训练吗Mdl。

    • 如果你训练Mdl使用一个表(例如,资源描述),资源描述包含所有数值预测变量,然后X可以是一个数字矩阵。将数值预测资源描述分类在训练、识别分类预测使用CategoricalPredictors名称-值对的观点fitrkernel。如果资源描述包含了异构预测变量(例如,数字和分类数据类型)X是一个数字矩阵,然后呢预测抛出一个错误。

  • 一个表:

    • 预测不支持多列变量或细金宝app胞数组以外的细胞阵列的特征向量。

    • 如果你训练Mdl使用一个表(例如,资源描述),那么所有的预测变量X必须有相同的变量名和数据类型的培训Mdl(存储在Mdl.PredictorNames)。然而,列的顺序X不需要对应的列顺序资源描述。同时,资源描述和X可以包含额外的变量(响应变量,观察体重、等等),但预测忽略了它们。

    • 如果你训练Mdl使用一个数字矩阵,然后预测名称Mdl.PredictorNames和相应的预测变量名称X必须相同。指定预测名称在训练,看到PredictorNames名称-值对的观点fitrkernel。所有的预测变量X必须是数值向量。X可以包含额外的变量(响应变量,观察体重、等等),但预测忽略了它们。

数据类型:双|单|表

输出参数

全部折叠

预测反应,作为一个数值向量返回。

YFit是一个n——- - - - - -1向量数据类型相同的响应数据(Y)用来训练Mdl,在那里n观察的数量吗X。

扩展功能

版本历史

介绍了R2018a

另请参阅

|||