主要内容

hyperparameters

优化拟合函数的变量描述

折叠所有页面

语法

变量描述=超参数(FitFcnName，预测器，响应)
变量描述=超参数(FitFcnName，预测器，响应，LearnerType)

描述

例子

VariableDescriptions= hyperparameters (FitFcnName，预测，响应）返回给定fit函数的默认变量。这些是在设置时应用的变量OptimizeHyperparameters到的名值对“汽车”．

例子

VariableDescriptions= hyperparameters (FitFcnName，预测，响应，LearnerType）返回适合指定学习器类型的集合的变量。此语法适用于以下情况:FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”．

例子

全部折叠

打开实时脚本

类的默认超参数fitcsvm分类器。

加载电离层数据。

负载电离层

获取超参数。

变量描述=超参数(“fitcsvm”, X, Y);

检查所有超参数。

为ii = 1:长度(变量描述)disp(ii)，disp(变量描述(ii))结束
1 optimizable变量与属性:名称:'BoxConstraint'范围:[1.0000 -03 1000]类型:'real'转换:'log'优化:1 2 optimizable变量与属性:名称:'KernelScale'范围:[1.0000 -03 1000]类型:'real'转换:'log'优化:1 3 optimizable变量与属性:名称:'KernelFunction'范围:{'高斯' '线性' '多项式'}类型:'分类'转换:'none'优化:0 4 optimizable变量与属性:名称:'多项式顺序'范围:[2 4]类型:'integer'转换:'none'优化:0 5 optimizable变量与属性:名称:'标准化'范围:{'true' 'false'}类型:'分类'转换:'none'优化:0

改变PolynomialOrder超参数具有更大的范围，可用于优化。

VariableDescriptions(4)。Range = [2,5];VariableDescriptions(4)。优化= true;disp (VariableDescriptions (4))
optimizableVariable with properties: Name: '多项式顺序'范围:[2 5]类型:'integer'变换:'none'优化:1 .
打开实时脚本

类的默认超参数fitrensemble集合回归函数。

加载carsmall数据。

负载carsmall

使用马力而且重量作为预测变量，和英里/加仑作为响应变量。

X =[马力重量];Y = mpg;

获取对象的默认超参数树学习者。

变量描述=超参数(“fitrensemble”, X, Y,“树”）;

检查所有超参数。

为ii = 1:长度(变量描述)disp(ii)，disp(变量描述(ii))结束
1 optimizable变量带属性:名称:'Method'范围:{'Bag' 'LSBoost'}类型:'categorical'转换:'none'优化:1 2 optimizable变量带属性:名称:'NumLearningCycles'范围:[10 500]类型:'integer'转换:'log'优化:1 3 optimizable变量带属性:名称:'LearnRate'范围:[1.0000 -03 1]类型:'real'转换:'log'优化:1 4 optimizable变量带属性:名称:'MinLeafSize'范围:[1 50]类型:'integer'转换:'log'优化:1 5 optimizableVariable带属性:名称:'MaxNumSplits'范围:[1 99]类型:'integer'转换:'log'优化:0 6 optimizableVariable带属性:名称:'NumVariablesToSample'范围:[1 2]类型:'integer'转换:'none'优化:0

改变MaxNumSplits超参数具有更大的范围，可用于优化。

VariableDescriptions(5)。范围= [1200];VariableDescriptions(5)。优化= true;disp (VariableDescriptions (5))
optimizableVariable带属性:名称:'MaxNumSplits'范围:[1 200]类型:'integer'变换:'log'优化:1

输入参数

全部折叠

拟合函数的名称，指定为列出的分类或回归拟合函数名称之一。

如果FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”的类型中指定学习器类型LearnerType论点。

例子:“fitctree”

预测器数据，指定为具有D个预测器列的矩阵或具有D个预测器列的表，其中D是预测器的数量。

例子:X

数据类型:双|逻辑|字符|字符串|表格|细胞|分类|datetime

类标签或数值响应，指定为分组变量(请参阅分组变量)或作为标量。

例子:Y

数据类型:单|双|逻辑|字符|字符串|细胞

集成拟合的学习器类型，指定为“判别”，“内核”，“资讯”，“线性”，“支持向量机”，“树”，或列出的学习者的模板。在以下情况使用此参数FitFcnName是“fitcecoc”，“fitcensemble”,或“fitrensemble”．

为“fitcensemble”您只能使用“判别”，“资讯”，“树”，或关联模板。

为“fitrensemble”，您只能使用“树”或templateTree．

例子:“树”

输出参数

全部折叠

变量的描述，返回为的向量optimizableVariable对象。变量设置了它们的默认参数，例如范围和变量类型。描述中所有符合条件的变量都存在，但未使用的变量“汽车”设置有优化属性设置为假．可以使用点表示法更新变量，如例子．

另请参阅

||||||||||||||

在R2016b中引入

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的MATLAB指南

掌握机器学习:一步一步的MATLAB指南

下载电子书