主要内容

SparseFiltering.

稀疏过滤功能提取

展开所有页面

描述

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。

创造

创建A.SparseFiltering.对象使用Sparsefilt.功能。

属性

展开所有

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。

  • 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。

数据类型：塑造

此属性是只读的。

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。

数据类型：单身|双人间

此属性是只读的。

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。

数据类型：塑造

此属性是只读的。

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。

数据类型：单身|双人间

此属性是只读的。

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

此属性是只读的。

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。

数据类型：双人间

此属性是只读的。

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。

数据类型：单身|双人间

此属性是只读的。

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。

数据类型：单身|双人间

对象功能

转变 将预测因子转换为提取的特征

例子

崩溃

打开直播脚本

创建A.SparseFiltering.通过使用的对象Sparsefilt.功能。

加载SampleImagePatches.图像补丁。

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。

另请参阅

|||

主题

在R2017A介绍

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