紧凑的神经网络分类模型
CompactClassificationNeuralNetwork
是一个紧凑版本的吗ClassificationNeuralNetwork
模型对象。紧凑的模型不包括数据用于训练分类器。因此,您不能执行一些任务,比如交叉验证,使用紧凑的模型。用一个简洁的模型预测新数据的标签等任务。
创建一个CompactClassificationNeuralNetwork
对象从一个完整的ClassificationNeuralNetwork
模型对象通过使用紧凑的
。
LayerSizes
- - - - - -大小的完全连接层这个属性是只读的。
尺寸完全连接层的神经网络模型,作为一个正整数返回向量。的我th元素LayerSizes
输出数量吗我完全连接层的神经网络模型。
LayerSizes
不包括最后的完全连接层的大小。这一层总是K输出,K在响应变量的类的数量。
数据类型:单
|双
LayerWeights
- - - - - -学习层的重量这个属性是只读的。
学习层权重完全连接层,作为细胞数组返回。的我单元阵列中的th条目对应的层的权重我完全连接层。例如,Mdl.LayerWeights {1}
返回第一个完全连接的权重模型的层Mdl
。
LayerWeights
包括最后的完全连接层的权重。
数据类型:细胞
LayerBiases
- - - - - -学习层的偏见这个属性是只读的。
学习层完全连接层的偏见,作为细胞数组返回。的我单元阵列中的th条目对应的层的偏见我完全连接层。例如,Mdl.LayerBiases {1}
返回第一个完全连接的偏差模型的层Mdl
。
LayerBiases
包括最后的偏见完全连接层。
数据类型:细胞
激活
- - - - - -激活功能完全连接层“relu”
|的双曲正切
|“乙状结肠”
|“没有”
|单元阵列的特征向量这个属性是只读的。
激活功能完全连接层的神经网络模型,作为一个特征向量返回或单元阵列特征向量的值从这个表。
价值 | 描述 |
---|---|
“relu” |
修正线性单元(ReLU)函数——执行一个阈值操作每个元素的输入,任何小于零的值设置为零,也就是说,
|
的双曲正切 |
双曲正切函数的双曲正切)——应用 |
“乙状结肠” |
乙状结肠函数——每个输入元素上执行以下操作:
|
“没有” |
恒等函数,返回每个输入元素没有执行任何转换,也就是说,f(x)=x |
如果激活
只包含一个激活函数,那么每一个完全连接层的激活函数的神经网络模型,包括最后的完全连接层。最后完全连接层的激活函数总是softmax (OutputLayerActivation
)。
如果激活
是一个数组的激活函数,那么我元素的激活函数我层的神经网络模型。
数据类型:字符
|细胞
OutputLayerActivation
- - - - - -激活函数最终完全连接层“softmax”
这个属性是只读的。
激活函数最后完全连接层,返回“softmax”
。每个输入函数x我并返回后,K在响应变量类的数量:
结果对应分类预测分数(或后验概率)。
PredictorNames
- - - - - -预测变量的名字这个属性是只读的。
预测变量的名字,作为特征向量的单元阵列返回。元素的顺序PredictorNames
对应的顺序预测的名字出现在训练数据。
数据类型:细胞
CategoricalPredictors
- - - - - -分类预测指标[]
这个属性是只读的。
分类预测指标,作为一个向量的正整数返回。假设预测数据包含观察行,CategoricalPredictors
包含索引值对应的列包含分类预测的预测数据。如果所有的预测都直言,那么这个属性是空的([]
)。
数据类型:双
ExpandedPredictorNames
- - - - - -扩大了预测的名字这个属性是只读的。
扩大了预测的名字,作为特征向量的单元阵列返回。如果分类变量的模型使用的编码,那么ExpandedPredictorNames
包括名称,描述变量扩展。否则,ExpandedPredictorNames
是一样的PredictorNames
。
数据类型:细胞
一会
- - - - - -独特的类名这个属性是只读的。
独特的类名称中使用培训,作为数字返回向量,分类向量,逻辑向量,字符数组或单元阵列特征向量。一会
具有相同的数据类型的类标签响应变量用于训练模型。(软件对字符串数组作为细胞阵列特征向量)。一会
也决定了课堂秩序。
数据类型:单
|双
|分类
|逻辑
|字符
|细胞
ResponseName
- - - - - -响应变量名这个属性是只读的。
响应变量名,作为一个特征向量返回。
数据类型:字符
成本
- - - - - -误分类代价这个属性是只读的。
误分类代价,作为数字方阵,返回成本(i, j)
是一个指向类分类的成本j
如果它真正的类我
。成本矩阵总是这种形式:成本(i, j) = 1
如果我~ = j
,成本(i, j) = 0
如果我=我
。行对应于真实的类和列对应预测类。的行和列的顺序成本
对应于类的顺序一会
。
数据类型:双
之前
- - - - - -先验概率这个属性是只读的。
为每个类先验概率,作为一个数值向量返回。元素的顺序之前
对应的元素一会
。
数据类型:双
ScoreTransform
- - - - - -分数转换分数变换,指定为一个特征向量或函数句柄。ScoreTransform
代表一个内置的函数或一个函数处理转换分类预测分数。
改变分数转换函数函数
例如,使用点符号。
对于一个内置的函数,输入一个特征向量。
Mdl。ScoreTransform = '函数”;
此表描述了可用的内置函数。
价值 | 描述 |
---|---|
“doublelogit” |
1 / (1 +e2x) |
“invlogit” |
日志(x/ (1 -x)) |
“ismax” |
集类的分数最大的分数为1,并设置所有其他类的分数为0 |
分对数的 |
1 / (1 +e- - - - - -x) |
“没有” 或“身份” |
x(转换) |
“标志” |
1x< 0 为0x= 0 1x> 0 |
“对称” |
2x- 1 |
“symmetricismax” |
集合类的分数最大的分数为1,和所有其他类的分数设置为1 |
“symmetriclogit” |
2 / (1 +e- - - - - -x)- 1 |
对于一个MATLAB®函数或你定义一个函数,输入它的功能处理。
Mdl。ScoreTransform = @函数;
函数
必须接受一个矩阵(原始分数)并返回一个相同大小的矩阵(转换后的分数)。
数据类型:字符
|function_handle
石灰 |
本地可model-agnostic解释(石灰) |
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 |
沙普利 |
沙普利值 |
compareHoldout |
比较两种分类模型使用新数据的精度 |
testckfold |
比较两种分类模型的精度重复交叉验证 |
减少大小的一个完整的神经网络分类器的训练数据的模型。您可以使用一个紧凑的模型来提高记忆效率。
加载病人
从数据集中数据集。创建一个表,每一行对应一个病人和每一列对应一个诊断变量。使用吸烟者
变量作为响应变量,其余变量的预测因子。
负载病人台=表(舒张压、收缩压、性别、身高、体重、年龄、吸烟);
使用数据训练神经网络分类器。指定吸烟者
列的资源描述
作为反应变量。指定标准化数值预测。
Mdl = fitcnet(资源描述,“抽烟”,“标准化”,真正的)
Mdl = ClassificationNeuralNetwork PredictorNames:{舒张期的“收缩”“性别”的“高度”“重量”“年龄”}ResponseName:“烟民”CategoricalPredictors: 3类名:[0 1]ScoreTransform:“没有一个”NumObservations: 100 LayerSizes: 10激活:“relu”OutputLayerActivation:“softmax”解算器:“LBFGS”ConvergenceInfo: [1×1 struct] TrainingHistory:[36×7表]属性,方法
Mdl
是一个完整的ClassificationNeuralNetwork
模型对象。
减少使用模型的大小紧凑的
。
compactMdl =紧凑(Mdl)
compactMdl = CompactClassificationNeuralNetwork LayerSizes: 10激活:“relu”OutputLayerActivation:“softmax”属性,方法
compactMdl
是一个CompactClassificationNeuralNetwork
模型对象。compactMdl
属性包含少于完整的模型Mdl
。
显示每个神经网络模型所使用的内存数量。
谁(“Mdl”,“compactMdl”)
类属性名称大小字节Mdl 1 x1 18836 ClassificationNeuralNetwork compactMdl 1 x1 6663 classreg.learning.classif.CompactClassificationNeuralNetwork
完整的模型比紧凑模型。
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
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。