主要内容

CompactRegressionNeuralNetwork

用于回归的紧凑神经网络模型

全部展开页面

    描述

    CompactRegresionNeuralNetwork是紧凑版的吗RegressionNeuralNetwork模型对象。紧凑型模型不包括用于训练回归模型的数据。因此，使用Compact Model，您无法执行一些任务，例如交叉验证。使用紧凑型号进行任务，例如预测新数据的响应值。

    创建

    创建一个CompactRegressionNeuralNetworkobjectRegressionNeuralNetwork模型对象通过使用袖珍的．

    属性

    全部展开

    神经网络属性

    此属性是只读的。

    神经网络模型中完全连接层的大小，作为正整数向量返回。的我th元素LayerSizes是输出的数量我神经网络模型的全连接层。

    LayerSizes不包括最终完全连接层的大小。此图层始终具有一个输出。

    数据类型:单|双倍的

    此属性是只读的。

    学习了全连接层的层权重，返回为单元阵列。的我单元格数组中的条目对应于图层权重我完全连通层。例如,mdl.layerweights {1}返回模型的第一个完全连接层的权重MDL.．

    层次重量包括最终完全连接层的权重。

    数据类型:细胞

    此属性是只读的。

    了解了完全连接层的层偏差，返回为单元阵列。的我单元格阵列中的条目对应于图层偏差我完全连通层。例如,Mdl。LayerBiases {1}返回模型的第一个完全连接层的偏差MDL.．

    LayerBiases包括最终完全连接层的偏差。

    数据类型:细胞

    此属性是只读的。

    神经网络模型的全连接层的激活函数，返回为字符向量或字符向量的单元数组，其值来自此表。

    价值 描述
    'relu'

    纠正的线性单元（Relu）函数 - 对输入的每个元素执行阈值操作，其中任何值小于零的值设置为零，即，

    f （ x ） ＝ ｛ x ， x ≥ 0 0 ， x < 0

    'tanh'

    双曲线切线（Tanh）功能 - 适用双曲正切函数到每个输入元素
    “乙状结肠”

    sigmoid函数 - 在每个输入元素上执行以下操作：

    f （ x ） ＝ 1 1 + e − x

    “没有”

    标识函数——返回每个输入元素，而不执行任何转换，即:f（x) =x

    • 如果激活仅包含一个激活函数，则为神经网络模型中每一完全连接层的激活函数，不包括最终完全连接层，该层不具有激活函数(outputlayEractivation.）。

    • 如果激活是一系列激活功能，然后是我元素是元素的激活函数我神经网络模型的层。

    数据类型:char|细胞

    此属性是只读的。

    最终完全连接层的激活功能，返回为“没有”．

    数据属性

    此属性是只读的。

    预测器变量名称，作为字符向量的单元格数组返回。元素的顺序预测对应于预测器名称在训练数据中出现的顺序。

    数据类型:细胞

    此属性是只读的。

    分类预测器索引，返回为一个正整数向量。假设预测数据包含成行的观测数据，分类预测器包含与包含分类预测器的预测器数据列对应的索引值。如果没有预测器都是分类的，则此属性是空的（[]）。

    数据类型:双倍的

    此属性是只读的。

    扩展的预测名称名称，作为字符向量的单元格数组返回。如果模型使用对分类变量的编码，那么ExpandedPredictorNames.包括描述扩展变量的名称。否则,ExpandedPredictorNames.是相同的预测．

    数据类型:细胞

    此属性是只读的。

    响应变量名，作为字符向量返回。

    数据类型:char

    此属性是只读的。

    响应转换函数，返回“没有”．软件不会转换原始的响应值。

    对象的功能

    损失 回归神经网络损失
    partialDependence 计算部分依赖
    绘图竞争依赖性 创建部分依赖图(PDP)和个人条件期望图(ICE)
    预测 使用回归神经网络预测反应

    例子

    全部收缩

    打开直播脚本

    通过从模型中删除训练数据来减少全回归神经网络模型的大小。您可以使用一个紧凑的模型来提高内存效率。

    加载耐心数据集。从数据集创建表。每行对应于一个患者，并且每列对应于诊断变量。使用收缩压变量作为响应变量，其余变量作为预测变量。

    负载耐心TBL =表（年龄，舒张，性别，高度，吸烟者，体重，收缩）;

    用数据训练回归神经网络模型。指定收缩压列的tbltrain作为响应变量。指定标准化数字预测器。

    Mdl = fitrnet(资源描述,“收缩”，“标准化”,真正的)
    Mdl = RegressionNeuralNetwork PredictorNames:{'年龄' '舒张' ' '性别' '身高' '吸烟者' '体重'}ResponseTransform: '收缩期' CategoricalPredictors: [3 5] ResponseTransform: 'none' NumObservations: 100 LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'linear' Solver: 'LBFGS' ConvergenceInfo: [1×1 struct] TrainingHistory:[1000×7 table]属性，方法

    MDL.是一个完整的RegressionNeuralNetwork模型对象。

    通过使用减小模型的尺寸袖珍的．

    CompactMDL = Compact（MDL）
    compactMdl = CompactRegressionNeuralNetwork LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'linear'属性，方法

    compactmdl.是一个CompactRegressionNeuralNetwork模型对象。compactmdl.包含比完整模型更少的属性MDL.．

    显示每个神经网络模型使用的内存量。

    谁(“Mdl”，“compactmdl”）
    名称大小字节类属性MDL 1x1 72818 RegersionneuralNetwork CompactMDL 1X1 5995 ClassReg.Learning.regr.comPactregressionneuralNetwork

    全型比紧凑型大。

    另请参阅

    |||||

    主题

    在R2021A介绍

    统计和机器学习工具箱文档

    金宝app

    掌握机器学习:一步一步的指导与MATLAB

    掌握机器学习:一步一步的指导与MATLAB

    下载电子书