文档帮助中心文档
将预测器转换为提取的特征
z =变换(Mdl x)
例子
z=变换(Mdl,x)转换的数据x的特性z通过该模型Mdl.
z=变换(Mdl,x)
z
Mdl
x
全部折叠
创建包含100个特性的特性转换模型SampleImagePatches数据。
SampleImagePatches
rng (“默认”)%的再现性data =负载(“SampleImagePatches”);q = 100;X = data.X;Mdl = sparsefilt (X,问)
警告:解算器LBFGS不能收敛到一个解。
Mdl = SparseFiltering ModelParameters: [1x1 struct] NumPredictors: 363 NumLearnedFeatures: 100 Mu: [] Sigma: [] FitInfo: [1x1 struct] TransformWeights: [363x100 double] InitialTransformWeights:[]属性,方法
sparsefilt发出警告,因为它是由于达到迭代限制而停止的,而不是由于达到步长限制或梯度大小限制。的方法仍然可以在返回的对象中使用学到的特性变换函数。
sparsefilt
变换
转换输入数据的前五行X到新功能空间。
X
y =变换(Mdl X (1:5,:));大小(y)
ans =1×2100年5
SparseFiltering
ReconstructionICA
特征提取模型,指定为SparseFiltering物体或作为ReconstructionICA对象。创建Mdl通过使用sparsefilt函数或黎加函数。
黎加
p
预测器数据,指定为带有的矩阵p列或包含数值的表p列。在这里,p模型中预测因子的数量是多少Mdl。NumPredictors.输入矩阵或表的每一行代表一个要转换的数据点。
Mdl。NumPredictors
数据类型:单|双|表格
单
双
表格
n
问
转换后的数据,作为n——- - - - - -问矩阵。在这里,n输入数据中的行数x,问是特征的数量,是多少Mdl。NumLearnedFeatures.
Mdl。NumLearnedFeatures
变换使用学习的权值矩阵将数据转换为预测的特征W将输入预测器映射到输出特性。
W
为黎加,输入数据X线性映射到输出特征XW.看到重建ICA算法.
XW
为sparsefilt,输入数据非线性地映射到输出特征 F ^ (X,W).看到稀疏的滤波算法.
谨慎
的结果变换对于稀疏滤波,依赖于数据点的数量。特别是应用的结果变换对矩阵的每一行分别不同于应用的结果变换到整个矩阵。
ReconstructionICA|黎加|sparsefilt|SparseFiltering
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系