线性分类学习者模板
templateLinear
模板指定了二进制学习者模型,正则化类型和强度,解算器,等等。在创建模板,通过模板训练模型和数据fitcecoc
火车一个ECOC模型由多个二进制,线性分类模型。 加载NLP数据集。 创建一个默认linear-classification-model模板。 调整默认值,请参阅 火车一个ECOC模型由多个二进制,线性分类模型,可以确定产品的频率分布文档web页面的文字。为更快的训练时间,转置的预测数据,指定观察对应列。 或者,您可以训练一个ECOC模型组成的默认使用线性分类模型 为了节省内存,负载
X
t = templateLinear ();
X = X ';rng (1);
Mdl = CompactClassificationECOC ResponseName:“Y”类名:[通讯dsp是定点…]ScoreTransform:‘没有’BinaryLearners: {78} x1细胞CodingMatrix: 13 x78双重属性,方法
指定可选的逗号分隔条“学习者”,“物流”、“正规化”,“套索”、“CrossVal”,“上”
λ- - - - - -正则化项的力量
“汽车”
(默认)|负的标量|向量的非负价值
正则化项,指定为逗号分隔组成的 为 如果你指定一个交叉验证,名称-值对参数(例如, 否则, 一个向量的非负价值, 如果 如果 例子: 数据类型:
解算器
正则化
templateLinear
“λ”,10 ^ (- (10:2:2))
字符
学习者- - - - - -线性分类模型类型
“支持向量机”
(默认)|“物流”
线性分类模型类型,指定为逗号分隔组成的 在这个表中, β x b 例子:
价值 算法 响应范围 损失函数
“支持向量机”
金宝app支持向量机 y 铰链:
“物流”
逻辑回归 一样
异常(物流):
“学习者”,“物流”
正则化- - - - - -复杂性处罚类型
“套索”
|“岭”
复杂性处罚类型,指定为逗号分隔组成的 软件组成的目标函数最小化的平均损失函数(见的总和 指定正则化项力量,这是 软件不包括偏差项( 如果 提示 为预测变量选择,指定 对于优化精度,指定 例子:学习者
价值 描述
“套索”
套索(L1)罚款:
“岭”
脊(L2)罚款:
λ
解算器
“正规化”、“套索”
解算器- - - - - -目标函数极小化技术
“sgd”
|“asgd”
|“双重”
|“蓄热”|“lbfgs”|“sparsa”|字符串数组|单元阵列的特征向量
目标函数最小化技术,指定为逗号分隔组成的 如果你指定: 山脊处罚(见 一个支持向量机模型(见 套索点球和预测数据集包含100个或更少的预测变量,然后默认解决 否则,默认的能手 如果你指定一个字符串数组或单元阵列解决者的名字,然后,每个价值 例子: 提示 SGD ASGD可以解决目标函数比其他更快的解决者,而LBFGS和SpaRSA可以产生更精确的比其他解决方案。金宝搏官方网站解算器组合等 当选择SGD ASGD,考虑到: 每迭代SGD花费更少的时间,但是需要更多的迭代收敛。 ASGD需要更少的迭代收敛,但需要更多时间每个迭代。 如果高维度和预测数据 虽然你可以设置其他组合,他们经常导致精度差的解决方案。金宝搏官方网站 如果预测数据是通过低维的和温和的 如果 例子:
价值 描述 限制
“sgd”
随机梯度下降法(SGD)
“asgd”
平均随机梯度下降法(ASGD)
“双重”
双重SGD对支持向量机
正则化
必须学习者
“蓄热”
Broyden-Fletcher-Goldfarb-Shanno拟牛顿算法(高炉煤气)
效率低下,如果
“lbfgs”
内存有限bfg (LBFGS)
正则化
“sparsa”
通过分离变量近似稀疏重建(SpaRSA)
正则化
λ
{“sgd”“lbfgs”}
“sgd”
“asgd”
“双重”
“lbfgs”
{“sgd”、“lbfgs”}
{“asgd”、“lbfgs”}
{“双”、“lbfgs”}
“sgd”
“asgd”
“sparsa”
{“sgd”、“sparsa”}
{“asgd”、“sparsa”}
“规划求解”,{‘sgd’,‘lbfgs}
β- - - - - -初始线性系数估计
0 (p,1)
(默认)|数值向量|数字矩阵
初始线性系数的估计( 如果你指定一个 软件的优化使用 软件优化再次使用之前的预估结果,优化作为一个 软件实现第二步,直到耗尽所有的值 如果你指定一个 如果你设置 数据类型:λ
j
j
j
单
偏见- - - - - -最初的拦截估计
数字标量|数值向量
初始拦截估计( 如果你指定一个标量,那么软件优化目标函数 软件的优化使用 使用结果估计,一个温暖的开始下一个优化迭代,并使用下一个最小值 软件实现第二步,直到耗尽所有的值 如果你指定一个 默认情况下: 如果 如果 数据类型:λ
j
j
j
学习者
j
单
FitBias- - - - - -线性模型拦截包含国旗
真正的
(默认)|假
线性模型拦截包含标志,指定为逗号分隔组成的 例子: 数据类型:
价值 描述
真正的
该软件包括偏差项
假
该软件集 “FitBias”,假的
逻辑
PostFitBias- - - - - -国旗符合线性模型优化后拦截
假
(默认)|真正的
国旗符合线性模型拦截优化后,指定为逗号分隔组成的 估计 估计 估计分类得分 不菲 如果您指定 例子: 数据类型:
价值 描述
假
软件估计偏差项
真正的
FitBias
“PostFitBias”,真的
逻辑
详细的- - - - - -冗长的水平
0
(默认)|1
冗长的层面上,指定为逗号分隔组成的 例子: 数据类型:
价值 描述
0
templateLinear
1
templateLinear
“详细”,1
单
BatchSize- - - - - -Mini-batch大小
正整数
Mini-batch大小,指定为逗号分隔组成的 如果是一个数字矩阵的预测数据,那么默认值是 如果预测数据是一个稀疏矩阵,那么默认值是 例子: 数据类型:
“BatchSize”, 100年
单
LearnRate- - - - - -学习速率
积极的标量
学习速率,指定为逗号分隔组成的 如果
λ 如果 如果 如果 默认情况下, 例子: 数据类型:
正则化
λ
解算器
“LearnRate”, 0.01
单
OptimizeLearnRate- - - - - -降低学习速率的旗帜
真正的
(默认)|假
国旗来减少软件检测时的学习速率差异(即over-stepping最低),指定为逗号分隔组成的 如果 一些优化迭代的,软件开始优化使用 如果目标函数的值增加,然后重启软件,并使用当前值的学习速率的一半。 软件迭代步骤2,直到目标函数下降。 例子: 数据类型:
LearnRate
“OptimizeLearnRate”,真的
逻辑
TruncationPeriod- - - - - -之间的mini-batches套索截断
10
(默认)|正整数
之间的mini-batches套索截断,指定为逗号分隔组成的 截断后运行,软件应用的软阈值线性系数。处理后
SGD, ASGD, 如果 例子: 数据类型:
λ
正则化
“TruncationPeriod”, 100年
单
BatchLimit- - - - - -最大数量的批次
正整数
最大数量的批量处理,指定为逗号分隔组成的 默认情况下: 该软件通过数据 如果你指定多个连接器,并使用(A) SGD得到一个初始近似接下来的解算器,那么默认值是 如果您指定 如果您指定 例子: 数据类型:
PassLimit
BatchSize
”
PassLimit
”
“BatchLimit”, 100年
单
BetaTolerance- - - - - -相对公差线性系数和偏差项
1的军医
(默认)|负的标量
相对公差线性系数和偏差项(拦截),指定为逗号分隔组成的 让 如果软件是收敛的解算程序中指定 例子: 数据类型:解算器
e-6 BetaTolerance, 1
单
NumCheckConvergence- - - - - -批次处理下收敛之前检查
正整数
批次处理下收敛检查之前,指定为逗号分隔组成的 指定批处理大小,明白了 软件检查收敛大约10次默认通过整个数据集。 例子: 数据类型:BatchSize
“NumCheckConvergence”, 100年
单
PassLimit- - - - - -最大数量的经过
1
(默认)|正整数
最大数量的经过数据,指定为逗号分隔组成的 当它完成一个所有观察值的软件过程通过数据。 当软件通过数据 如果您指定 例子: 数据类型:BatchLimit
”
“PassLimit”, 5
单
BetaTolerance- - - - - -相对公差线性系数和偏差项
1的军医
(默认)|负的标量
相对公差线性系数和偏差项(拦截),指定为逗号分隔组成的 让 如果你指定 如果软件是收敛的解算程序中指定 例子: 数据类型:DeltaGradientTolerance
解算器
e-6 BetaTolerance, 1
单
DeltaGradientTolerance- - - - - -Gradient-difference宽容
1
(默认)|负的标量
Gradient-difference公差之间的上、下池 如果马违规者的大小小于 如果软件是收敛的解算程序中指定 例子: 数据类型:
解算器
依照“DeltaGapTolerance”, 1
双
NumCheckConvergence- - - - - -数量的穿过整个数据集处理下收敛之前检查
5
(默认)|正整数
数量的穿过整个数据集处理下收敛之前检查,指定为逗号分隔组成的 例子: 数据类型:“NumCheckConvergence”, 100年
单
PassLimit- - - - - -最大数量的经过
10
(默认)|正整数
最大数量的经过数据,指定为逗号分隔组成的 当软件完成一个通过数据,处理所有的观察。 当软件通过数据 例子: 数据类型:“PassLimit”, 5
单
BetaTolerance- - - - - -相对公差线性系数和偏差项
1的军医
(默认)|负的标量
相对公差线性系数和偏差项(拦截),指定为逗号分隔组成的 让 如果你指定 如果软件是收敛的解算程序中指定 例子: 数据类型:GradientTolerance
解算器
e-6 BetaTolerance, 1
单
GradientTolerance- - - - - -绝对梯度宽容
1 e-6
(默认)|负的标量
绝对梯度宽容,指定为逗号分隔组成的 让 如果你指定 如果软件收敛过去解算器中指定的软件,然后优化终止。否则,在指定的软件使用下一个解算器 例子: 数据类型:BetaTolerance
解算器
e-5 GradientTolerance, 1
单
HessianHistorySize- - - - - -历史缓冲区大小黑森近似
15
(默认)|正整数
历史缓冲区大小黑森近似,指定为逗号分隔组成的 软件不支持金宝app 例子: 数据类型:“HessianHistorySize”, 10
单
IterationLimit- - - - - -最大数量的优化迭代
1000年
(默认)|正整数
最大数量的优化迭代,指定为逗号分隔组成的 例子: 数据类型:解算器
“IterationLimit”, 500年
单
t——学习者模板线性分类模型模板对象
线性分类模型学习模板,作为一个模板对象返回。训练一个线性分类模型使用高维数据进行多类问题,通过 如果你显示fitcecoc
一个
东方预测矩阵是一个最佳实践,观察对应列和指定
如果预测数据几乎没有观察,但许多预测变量,然后: 指定 SGD或ASGD解决者,集
PassLimit
SGD ASGD解决者, 如果 如果BatchSize
大的学习速率(见LearnRate
如果正则化
TruncationPeriod
为了提高效率,软件不规范预测数据。标准化预测数据( 代码要求您东方预测和观察的行和列X = bsxfun (@rdivide bsxfun (@minus X,意味着(X, 2)),性病(0,2));
[1],c·J。,K. W. Chang, C. J. Lin, S. S. Keerthi, and S. Sundararajan. “A Dual Coordinate Descent Method for Large-Scale Linear SVM.”学报》第25届国际会议上机器学习,ICML 08年
[2]兰福德,J。,l。li, and T. Zhang. “Sparse Online Learning Via Truncated Gradient.”j·马赫。学习。Res。
[3]Nocedal, j .和s·j·莱特。
[4]Shalev-Shwartz, S。,Y。Singer, and N. Srebro. “Pegasos: Primal Estimated Sub-Gradient Solver for SVM.”《24日国际会议在机器学习,ICML ' 07
[5]赖特,s . J。,R. D. Nowak, and M. A. T. Figueiredo. “Sparse Reconstruction by Separable Approximation.”反式。Proc团体。
肖[6],林。“双重平均正规化方法随机学习和在线优化。”
[7]徐,魏。“对最优传递规模与平均随机梯度下降学习。”
使用notes和限制当你训练模型,通过一个线性模型模板和高大的数组 这些名称-值对参数的默认值是不同的,当你使用高数组。 当 有关更多信息,请参见fitcecoc
“λ”
“正规化”
“规划求解”
“FitBias”
“详细”
“BetaTolerance”
“GradientTolerance”
“IterationLimit”
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
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:
你也可以从下面的列表中选择一个网站: 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。表现最好的网站怎么走吗
欧洲