主要内容

普遍存在

变量描述用于优化拟合函数

页面上倒塌

句法

VariableDescriptions =超参数（FitFcnName，预测器，响应）
VariableDescriptions =超参数（FitFcnName，预测器，响应，LearnerType）

描述

例子

VariableDescriptions= hyperparameters（fitfcnname.那预测因子那回复）返回给定的拟合函数的默认变量。这些是适用当您设置的变量优化hyperParameters.名称 - 值对，以'汽车'。

例子

VariableDescriptions= hyperparameters（fitfcnname.那预测因子那回复那Searchertype.）返回的合奏配合指定学习者类型的变量。此语法适用于当fitfcnname.是'fitcecoc'那'fitcensemble'， 或者'fitrensemble'。

例子

全部收缩

打开直播脚本

获取默认的超参数fitcsvm.分类。

加载电离层数据。

加载电离层

获取Quand参数。

variabledescriptions = hyperparameters（'fitcsvm'中，X，Y）;

检查所有的超参数。

为了II = 1：长度（variabledescriptions）disp（ii），disp（variabledescriptions（ii））结尾
1使用优化可变度：名称：'BoxConstraint'范围：[1.0000E-03 1000]类型：'实际'变换：'log'优化：1 2与房产优化可变：名称：'kernelscale'范围：[1.0000E-03 1000类型：'实际'变换：'log'优化：1 3与房产优化可变：名称：'kernelfunction'范围：{'gaussian''linear'polynomial'}类型：'分类'变换：'无'优化：04优化可变度量：名称：'PolynomialOrder'范围：[2 4]类型：'整数'变换：'无'优化：0 5使用属性优化可变：名称：'标准化'范围：{'真''}类型：'分类'变换：'无'优化：0

改变polynomialOrder.HyperParameter具有更广泛的范围，并在优化中使用。

variabledescriptions（4）.range = [2,5];variabledescriptions（4）.optimize = true;DISP（VariaDedEScriptions（4））
optimizableVariable与属性：名称： 'PolynomialOrder' 范围：[2 5]类型： '整数' 变换： '无' 优化：1
打开直播脚本

获取默认的超参数fitrensemble.合奏回归函数。

加载Carsmall.数据。

加载Carsmall.

用马力和重量作为预测变量，和MPG.作为响应变量。

x = [马力重量];y = mpg;

获取默认的超参数树学习者。

variabledescriptions = hyperparameters（'fitrensemble'，x，y，'树'）;

检查所有的超参数。

为了II = 1：长度（variabledescriptions）disp（ii），disp（variabledescriptions（ii））结尾
1优化可变度：名称：'方法'范围：{'包'lsboost'}类型：'分类'变换：'无'优化：1 2优化可变度量：名称：'num / num / num / num / num / num / num / num / num / num / num / num / num / numlarningcycles）：[10 500]类型：'整数'变换：'log'优化：1 3使用属性优化可变度：名称：'locknrate'范围：[1.0000E-03 1]类型：'实际'变换：'log'优化：1 4优化可变度量：名称：'minleafsize'范围：[1 50]类型：'整数'变换：'log'优化：1 5使用属性优化可变：名称：'maxnumsplits'范围：[119]类型：'整数'变换：'log'Optimize：0 6优化可变度与属性：名称：'numvariablestosample'范围：[1 2]类型：'整数'变换：'无'优化：0

改变maxnumsplits.HyperParameter具有更广泛的范围，并在优化中使用。

VariableDescriptions（5）.Range = [1200];VariableDescriptions（5）.Optimize = TRUE;DISP（VariableDescriptions（5））
可优化的特性：名称：'maxnumsplits'范围：[1 200]类型：'整数'变换：'log'优化：1

输入参数

全部收缩

拟合函数的名称，指定为列出的分类或回归函数名称之一。

如果fitfcnname.是'fitcecoc'那'fitcensemble'， 或者'fitrensemble'，那么还可以指定在学习者类型Searchertype.争论。

例子：'fitctree'

预测数据，指定为与d预测列的矩阵或作为与d预测值列的表格，其中，d是预测的数目。

例子：X

数据类型：双倍的|逻辑|char|细绳|桌子|细胞|分类|约会时间

类标签或数字响应，指定为分组变量（参见分组变量），或者作为一个标量。

例子：y

数据类型：单身的|双倍的|逻辑|char|细绳|细胞

用于合奏配合学习者类型，指定为'判别'那'核心'那'knn'那'线性'那'SVM'那'树'或上市学习者的模板。何时使用此参数fitfcnname.是'fitcecoc'那'fitcensemble'， 或者'fitrensemble'。

为了'fitcensemble'你只能使用'判别'那'knn'那'树'或者关联的模板。

为了'fitrensemble'，你只能使用'树'或者Templatetree.。

例子：'树'

输出参数

全部收缩

变量描述，返回的向量优化的不变性对象。变量具有它们的默认参数集，例如范围和变量类型。描述中的所有符合条件的变量都存在，但变量未使用'汽车'设置有他们的优化物业设为错误的。您可以使用点表示法更新变量，如图所示例子。

也可以看看

||||||||||||||

介绍在R2016B.

统计和机器学习工具箱文档

金宝app

掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书