预测
为高斯核回归模型预测的反应
描述
例子
测试集预测反应
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
Mdl
- - - - - -内核回归模型
RegressionKernel
模型对象
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
。
X
- - - - - -预测数据用于生成响应
数字矩阵|表
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
扩展功能
高大的数组
计算和数组的行比装入内存。
C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。
使用笔记和限制:
使用
saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器)生成的代码预测
函数。通过使用保存训练模型saveLearnerForCoder
。定义一个入口点函数,通过使用加载保存模型loadLearnerForCoder
并调用预测
函数。然后使用codegen
入口点函数来生成代码。生成单精度C / c++代码
预测
,指定名称参数“数据类型”、“单身”
当你打电话给loadLearnerForCoder
函数。如果代码生成器使用开放的多处理(OpenMP)库,生成的代码
预测
将预测数据X
成多个并行块的块和预测反应。生成的代码使用parfor
(MATLAB编码器)创建循环,支持共享内存多核平台上并行运行。金宝app如果你的编译器不支持OpenMP应用程序接口,或者如金宝app果你禁用OpenMP库,生成的代码不将预测数据,因此,过程一个观察。找到支持的编译器金宝app,看看金宝app支持编译器。禁用OpenMP图书馆,设置EnableOpenMP
配置对象的属性假
。有关详细信息,请参见coder.CodeConfig
(MATLAB编码器)。此表包含的参数
预测
。参数不包括在这个表是完全支持。金宝app论点 笔记和局限性 Mdl
使用笔记和限制的模型对象,明白了代码生成的
RegressionKernel
对象。X
对于一般的代码生成
X
必须包含数字单精度和双精度矩阵或表变量,分类变量,或两者兼而有之。的行数,或观察
X
可以一个变量的大小,但列的数量X
必须是固定的。如果你想指定
X
作为一个表,那么您的模型必须被训练使用一个表,和你的入口点函数预测必须做到以下几点:接受数据数组。
创建一个表的数据输入参数并指定表中的变量名。
通过表
预测
。
这个表的一个示例工作流,请参阅生成代码对数据表进行分类。在代码生成中使用表格的更多信息,见代码生成表(MATLAB编码器)和表限制代码生成(MATLAB编码器)。
有关更多信息,请参见介绍代码生成。
版本历史
介绍了R2018aR2023a:为预测生成C / c++代码
您可以生成C / c++代码预测
函数。
另请参阅
Abrir比如
这种版本modificada德埃斯特比如。害怕Desea abrir埃斯特比如con sus modificaciones吗?
第一de MATLAB
Ha事实clic en联合国围绕此时一个埃斯特第一de MATLAB:
Ejecute el第一introduciendolo en la ventana de第一de MATLAB。洛杉矶navegadores网络没有admiten第一de MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
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。