预测
预测高斯过程回归模型的响应
语法
ypred =预测(gprMdl Xnew)
[ypred，ysd]=预测（gprMdl，Xnew）
[ypred, ysd yint] =预测(gprMdl Xnew)
[ypred，ysd，yint]=predict（gprMdl，Xnew，Name，Value）
描述
伊普雷德=预测(gprMdl,Xnew)伊普雷德对于完全或紧凑高斯过程回归（GPR）模型，gprMdl的预测值Xnew．
[还返回中预测值处新响应的估计标准偏差伊普雷德,ysd) =预测(gprMdl,Xnew)Xnew来自训练有素的探地雷达模型。
[也返回95%的预测区间，伊普雷德,ysd,英特) =预测(gprMdl,Xnew)英特的每一行对应的真实响应Xnew．
[还返回带有一个或多个指定的附加选项的预测间隔伊普雷德,ysd,英特) =预测(gprMdl,Xnew,名称、值)名称、值成对参数。例如，您可以指定预测间隔的置信水平。
输入参数
输出参数
例子
计算预测的反应
生成示例数据。
n = 10000;rng (1)%的再现性x = linspace (0.5, 2.5, n) ';Y = sin(10* x) / (2. x)+(x-1)^ 4 + 1.5 *兰德(n, 1);
使用Matern 3/2核函数拟合探地雷达模型，每个预测器具有单独的长度尺度，有效集大小为100。使用回归子集近似方法进行参数估计，使用完全独立的条件方法进行预测。
gprMdl=fitgp（x，y，“内核函数”,“ardmatern32”,．..“ActiveSetSize”,100,“FitMethod”,“sr”,“预测方法”,膜集成电路的）;
计算预测。
[ypred, ~,开办]=预测(gprMdl x);
绘制数据以及预测和预测间隔。
图（x，y，“r.”)；持有在图（x，ypred）；图（x，yci（：，1），“k——”）;情节(x,开办(:,2),“k——”); xlabel(“x”）;ylabel (“是的”）;
当数据在表中时计算预测
加载示例数据并存储在桌子．
负载鱼腥草台=表(量(:1),量(:,2),(:,3),(4):,,,．..“VariableNames”, {“我是1”,“meas2”,“meas3”,“meas4”,“物种”}）;
使用第一个测量值作为响应，其他变量作为预测值，拟合探地雷达模型。
mdl=fitrgp（待定，“我是1”）;
计算预测和99%置信区间。
[ypred，~，yci]=预测（mdl，tbl，“α”,0.01);
绘制真实响应和预测以及预测间隔。
图();情节(mdl。Y,“r.”)；持有在；情节(ypred);情节(开办(:1),凯西:”）;情节(开办(:,2),凯西:”）;传奇(“真正的反应”,“探地雷达预测”,．..“预测下限”,“预测上限”,．..“位置”,“最好的”）;
对测试数据绘制预测响应图
加载示例数据。
负载(“gprdata.mat”）;
数据包含训练和测试数据。训练数据中有500个观测值，测试数据中有100个观测值。该数据有8个预测变量。这是模拟数据。
拟合一个GPR模型使用平方指数核函数与每个预测器的长度尺度。标准化训练数据中的预测器。使用精确的拟合和预测方法。
gprMdl = fitrgp (Xtrain ytrain,“基础”,“不变”,．..“FitMethod”,“准确”,“预测方法”,“准确”,．..“内核函数”,“ardsquaredexponential”,“标准化”,1);
预测测试数据的响应。
[ytestpred，~，ytestci]=预测（gprMdl，Xtest）；
将测试响应和预测绘制出来。
图;情节(欧美,“r”)；持有在；情节(ytestpred“b”); 图（ytestci（：，1），凯西:”)；绘图（ytestci（：，2），凯西:”）;传奇(“实际响应”,“探地雷达预测”,．..‘下降95%’,‘95%以上’,“位置”,“最好的”)；持有关
提示
选择
你可以用再预测计算训练后的GPR模型在训练数据观测时的预测响应。
扩展功能
您还可以从以下列表中选择网站：
