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。它比一个完整的训练过的支持向量机模型(金宝appRegressionSVM
模型),因为它不存储用于训练模型的数据。
因为紧凑模型不存储训练数据,所以您不能使用它来执行某些任务,比如交叉验证。但是,您可以使用紧凑的SVM回归模型来预测使用新输入数据的响应。
建设
返回一个紧凑的SVM回归模型compactMdl
=紧凑(mdl
)compactMdl
一个完整的训练过的SVM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 |
丢弃支持向量金宝app |
incrementalLearner |
将支持向量机(S金宝appVM)回归模型转换为增量学习器 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
支持向量机回归模型的回归误差金宝app |
partialDependence |
计算部分依赖关系 |
plotPartialDependence |
创建部分依赖图(PDP)和个别条件期望图(ICE) |
预测 |
使用支持向量机回归模型预测反应金宝app |
沙普利 |
沙普利值 |
更新 |
更新用于代码生成的模型参数 |
复制语义
价值。要了解值类如何影响复制操作,请参见复制对象.
例子
参考文献
[1]纳什,w.j., T. L.塞勒斯,S. R.塔尔博特,A. J.考索恩,W. B.福特。“塔斯马尼亚州鲍鱼(halotis种)的种群生物学。I.黑唇鲍鱼(h . rubra)来自北海岸和巴斯海峡群岛。”海洋渔业司,1994年第48号技术报告。
[2]哇,S。级联相关的扩展和基准测试:前馈监督人工神经网络级联相关架构的扩展和基准测试。塔斯马尼亚大学计算机科学系论文, 1995年。
[3]克拉克,D.施雷特,A.亚当斯。“逆向传播与逆向传播的定量比较”,提交给1996年澳大利亚神经网络会议。
[4]利希曼,M。UCI机器学习库[http://archive.ics.uci.edu/ml]。加州欧文市:加州大学信息与计算机科学学院。