CompactRegressionSVM
包:classreg.learning.regr
紧凑的支持向量机金宝app回归模型
描述
CompactRegressionSVM
是一个紧凑的支持向量机(S金宝appVM)回归模型。它消耗更少的内存比一个完整的训练支持向量机模型(金宝appRegressionSVM
模型),因为它不存储数据用于训练模型。
因为紧凑的模型并不存储训练数据,你无法使用它来执行某些任务,如交叉验证。不过,您可以使用一个紧凑的SVM回归模型预测反应使用新的输入数据。
建设
返回一个紧凑的SVM回归模型compactMdl
=紧凑(mdl
)compactMdl
从一个完整的,训练支持向量机回归模型,mdl
。有关更多信息,请参见紧凑的
。
输入参数
属性
对象的功能
discard金宝appSupportVectors |
丢弃的支持向量金宝app |
incrementalLearner |
将支持向量机(S金宝appVM)回归模型增量学习 |
石灰 |
本地可model-agnostic解释(石灰) |
损失 |
回归支持向量机回归模型误差金宝app |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望(ICE)情节 |
预测 |
使用支持向量机回归模型预测的反应金宝app |
沙普利 |
沙普利值 |
更新 |
更新模型参数代码生成 |
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。
例子
引用
[1]纳什,j,T. L. Sellers, S. R. Talbot, A. J. Cawthorn, and W. B. Ford. "The Population Biology of Abalone (Haliotis species) in Tasmania. I. Blacklip Abalone (h . rubra从北海岸和岛屿的巴斯海峡。”年代ea Fisheries Division, Technical Report No. 48, 1994.
[2]沃,S。Cascade-Correlation扩展和基准:扩展Cascade-Correlation体系结构和前馈人工神经网络监管的基准。”塔斯马尼亚大学计算机科学论文,1995年。
[3]克拉克,D。,Z. Schreter, A. Adams. "A Quantitative Comparison of Dystal and Backpropagation." submitted to the Australian Conference on Neural Networks, 1996.
[4]Lichman, M。UCI机器学习库[http://archive.ics.uci.edu/ml]。欧文CA:加州大学学校的信息和计算机科学。
扩展功能
版本历史
介绍了R2015b