文件帮助中心文件
稀疏过滤功能提取
SparseFiltering.使用稀疏过滤来学习将输入预测器映射到新预测器的转换。
SparseFiltering.
创建A.SparseFiltering.对象使用Sparsefilt.功能。
Sparsefilt.
展开所有
FitInfo.
此属性是只读的。
拟合历史,作为一个有两个领域的结构返回:
迭代- 从最终迭代到0的迭代号。
迭代
目标是- 每个相应迭代的目标函数值。迭代0对应于任何拟合之前的初始值。
目标是
数据类型:塑造
塑造
initialTransformweights.
P.
问:
初始功能转换权重,返回为aP.-问:矩阵,其中P.是通过的预测器数量X.和问:是您想要的功能数量。这些权重是传递给创建功能的初始权重。数据类型在培训数据时是单一的X.单身。
X.
数据类型:单身|双人间
单身
双人间
模特分析者
用于训练模型的参数,作为结构返回。该结构包含对应于的字段的子集Sparsefilt.在模型创建期间生效的名称值对:
iterationlimit.
verboylevel.
lambda.
标准化
梯度特拉
StepTolerance.
有关详细信息,请参阅Sparsefilt.文档中的名称值对。
穆
1
预测指标意味着标准化时,返回A.P.-1向量。这个属性是非空的标准化名称值对是真实在模型创造。该值是培训数据中预测器手段的矢量。数据类型在培训数据时是单一的X.单身。
真实
numlearnedfeatures.
输出功能数量,作为正整数返回。这个值是问:参数传递给创建函数,这是要学习的所请求的功能数。
数据类型:双人间
numpredictors.
输入预测器的数量,作为正整数返回。该值是通过的预测器数量X.到创建功能。
Sigma.
标准化时的预测标准偏差,作为a返回P.-1向量。这个属性是非空的标准化名称值对是真实在模型创造。该值是培训数据中预测标准偏差的矢量。数据类型在培训数据时是单一的X.单身。
变换重量
功能转换权重,返回为aP.-问:矩阵,其中P.是通过的预测器数量X.和问:是您想要的功能数量。数据类型在培训数据时是单一的X.单身。
转变
崩溃
创建A.SparseFiltering.通过使用的对象Sparsefilt.功能。
加载SampleImagePatches.图像补丁。
SampleImagePatches.
data = load('samemimagepatches');大小(data.x)
ans =.1×25000 363.
有5,000个图像修补程序,每个图像补丁包含363个功能。
从数据中提取100个功能。
RNG.默认重复性的%q = 100;obj = sparsefilt(data.x,q,'iterationlimit',100)
警告:求解器LBFGS无法收敛到解决方案。
Obj = SparseFiltering ModelParameters:[1x1 struct] NumPredictors:363 NumLearnedFeatures:100 mu:[] Sigma:[] FitInfo:[1x1 struct]变换重量:[363x100双] InitialTransformweights:[]属性,方法
Sparsefilt.出现警告,因为它由于达到迭代限制而停止,而不是达到梯度大小的限制或梯度大小限制。您仍然可以通过调用返回对象中的学习功能转变功能。
重建|r|Sparsefilt.|转变
重建
r
您有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系您当地的办公室