包:classreg.learning.regr
紧凑支持向量机回金宝app归模型
CompactRegressionSVM
是一个紧凑的支持向量机(S金宝appVM)回归模型。它消耗的内存较少,而不是完整的训练有素的支持向量机模型(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,所以不能使用它执行某些任务,例如交叉验证。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。
返回一个紧凑的SVM回归模型compactMdl
=紧凑(MDL.
)compactMdl
从完整的训练有素的SVM回归模型,MDL.
.有关更多信息,请参阅紧凑的
.
discard金宝appSupportVectors |
丢弃的支持向量金宝app |
incrementallearner |
将支持向量机回归金宝app模型转换为增量学习器 |
石灰 |
局部可解释的模型不可知解释(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 |
plotPartialDependence |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
预测 |
使用支持向量机回归模型预测响应金宝app |
沙普利 |
福利价值观 |
更新 |
更新代码生成的模型参数 |
价值。要了解值类如何影响复制操作,请参阅复制对象.
纳什、w.j.、t.l.塞勒斯、s.r.塔尔博特、a.j.考索恩和w.b.福特。塔斯马尼亚鲍鱼种群生物学。I.黑唇鲍鱼(h . rubra)来自北海岸和低音海峡岛屿。“海洋渔业部门,技术报告第48号1994年。
[2]沃,S。串级相关的扩展和基准:前馈监督人工神经网络的串级相关体系结构和基准的扩展。塔斯马尼亚大学计算机科学系毕业论文, 1995年。
克拉克,D., Z. Schreter, A. Adams。《Dystal和Backpropagation的定量比较》提交给澳大利亚神经网络会议,1996年。
[4] Lichman, M。UCI机器学习知识库,[http://archive.ics.uci.edu/ml]。欧文,加利福尼亚州:加州大学,信息学院和计算机科学学院。