主要内容

聚集

收集的属性统计和机器学习工具箱来自GPU的对象

折叠所有页面

    语法

    gatheredObj=聚集（obj）
    [gatheredObj1，gatheredObj2，…，gatheredObjn]=聚集（obj1，obj2，…，objn）

    描述

    实例

    gatheredObj收集(obj)收集输入对象的所有属性obj并返回收集的对象gatheredObj。输出对象的所有属性都存储在本地工作区中。

    使用聚集创建统计和机器学习工具箱™ 使用存储为GPU阵列的数据拟合的对象的特性存储在本地工作区中的对象。有关GPU阵列的更多详细信息，请参阅gpuArray（并行计算工具箱）.使用GPU需要并行计算工具箱™ 和支持的GPU设备。有关支持的设备的信息，请参阅金宝appGPU版金宝app本支持（并行计算工具箱）．

    实例

    [gatheredObj1，gatheredObj2，…，gatheredObjn]=聚集(obj1.obj2……objn）收集多个对象的属性obj1，obj2，…，objn并返回相应的收集对象gatheredObj1，gatheredObj2，…，gatheredObjn. 输入参数和输出参数的数量必须匹配。

    例子

    全部崩溃

    此示例使用：

    打开实时脚本

    收集使用GPU阵列数据拟合的线性回归模型的属性。

    加载卡斯莫尔数据集。创建X作为一个数字矩阵，包含三个汽车性能指标。创建Y作为包含每加仑相应英里数的数字向量。

    负载卡斯莫尔X=重量、马力、加速度；Y=每加仑；

    转换预测值X及回应Y到gpuArray（并行计算工具箱）物体。

    X = gpuArray (X);Y = gpuArray (Y);

    拟合线性回归模型mdl利用菲特姆．

    mdl=fitlm（X，Y）；

    显示的系数mdl并确定估计的系数值是否为GPU阵列。

    mdl.系数
    ans=4×4表估计当前pValue uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
    isgpuarray (mdl.Coefficients.Estimate)
    ans=必然的1.

    收集线性回归模型的属性。

    gatheredMdl=聚集（mdl）；

    显示的系数收集数据并确定估计的系数值是否为GPU阵列。

    收集的DL.系数
    ans=4×4表估计当前pValue uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
    isgpuarray（gatheredMdl.系数.估计）
    ans=必然的0

    此示例使用：

    打开实时脚本

    收集线性回归模型和K-最近邻分类器。两个模型都使用GPU阵列数据进行拟合。

    加载卡斯莫尔数据集。创建X作为包含三个汽车性能指标的数字矩阵，并转换预测值X到一个gpuArray对象

    负载卡斯莫尔X=[重量、马力、加速度]；X=gpuArray（X）；

    拟合的线性回归模型MPG（每加仑英里数）作为预测器的函数X．

    mdlLinear=fitlm（X，MPG）；

    使用预测器训练一个3-最近邻分类器X课程呢圆筒．标准化非分类预测数据。

    mdlKNN=fitcknn（X个气缸，“纽曼尼斯堡”，3，“标准化”,1);

    收集对象的属性mdLinear和mdlKNN模型。

    [gMdlLinear，gMdlKNN]=聚集（mdlllinear，mdlKNN）；

    确定P-回归模型的Durbin-Watson检验值梅德林是一个GPU阵列。

    isgpuarray（dwtest（mdlLinear））
    ans=必然的1.

    确定P-收集的回归模型的Durbin-Watson检验值gMdlLinear是一个GPU阵列。

    isgpuarray（dwtest（gMdlLinear））
    ans=必然的0

    确定分类器的重新替换是否丢失mdlKNN是一个GPU阵列。

    isgpuarray (resubLoss (mdlKNN))
    ans=必然的1.

    确定收集的分类器的重新替换是否丢失gMdlKNN是一个GPU阵列。

    isgpuarray (resubLoss (gMdlKNN))
    ans=必然的1.

    输入参数

    全部崩溃

    对象安装了GPU阵列或gpuArray对象，指定为回归模型对象、分类模型对象、概率分布对象，CVD分区反对，或gpuArray（并行计算工具箱）反对gpuArray对象表示存储在GPU上的数组。

    有关受支持的统计信息和机器学习工具箱对象的详细信息金宝app聚集看见金宝app支持回归模型,金宝app支持的分类模型和金宝app支持概率分布对象．

    更多关于

    全部崩溃

    金宝app支持回归模型

    这个聚集函数可以收集以下回归模型对象的属性。

    模型类型 完整或紧凑模型对象 模型创建函数
    全广义线性回归模型 广义线性模型或CompactGeneralizedLinearModel 菲特格姆或广义线性模型目标函数紧凑的
    全线性回归模型 LinearModel或紧凑线性模型 菲特姆或LinearModel目标函数紧凑的
    回归树模型 回归树或紧回归树 菲特里或回归树目标函数紧凑的
    交叉验证回归模型 回归分区模型 菲特里

    如果要创建配备GPU阵列的紧凑型模型，输入参数mdl属于紧凑的必须是带有GPU数组输入参数的完整模型对象。

    金宝app支持的分类模型

    这个聚集函数可以收集以下分类模型对象的属性。

    模型类型 完整或紧凑模型对象 模型创建函数
    支持向量机或其他分类器的多类模型金宝app 分类或紧凑分类 菲切克或分类目标函数紧凑的
    用于分类的学习者集合 ClassificationEnsemble,压缩分类插入码或分类BaggedAssemble 菲特森布尔或ClassificationEnsemble目标函数紧凑的
    K-最近邻分类器 分类KNN 菲茨康
    用于多类分类的二叉决策树 ClassificationTree或紧分类树 菲茨特里或ClassificationTree目标函数紧凑的
    交叉验证ECOC模型 ClassificationPartitionedECOC 菲切克
    交叉验证分类集成 分类分区集合 菲特森布尔
    旨在分类模型 分类分区模型 菲茨康,fitcsvm或菲茨特里

    如果要创建配备GPU阵列的紧凑型模型，输入参数mdl属于紧凑的必须是带有GPU数组输入参数的完整模型对象。

    金宝app支持概率分布对象

    这个聚集函数可以收集以下概率分布对象的属性。

    概率分布 概率分布对象 对象创建函数
    贝塔分布 β分布 健身师具有域名指定为“贝塔”
    二项分布 BinomialDistribution 健身师具有域名指定为“二项式”
    伯恩鲍姆-桑德斯分布 伯恩鲍姆萨分布 健身师具有域名指定为“BirnbaumSaunders”
    毛刺分布 BurrDistribution 健身师具有域名指定为“伯尔”
    指数分布 指数分布 健身师具有域名指定为“指数型”
    极值分布 极值分布 健身师具有域名指定为“极端价值”
    伽马分布 GammaDistribution 健身师具有域名指定为“伽马”
    广义极值分布 广义右旋分布 健身师具有域名指定为“一般化价值”
    广义帕累托分布 广义分布 健身师具有域名指定为“通用帕雷托”
    Half-normal分布 HalfNormalDistribution 健身师具有域名指定为“半正常”
    逆高斯分布 逆高斯分布 健身师具有域名指定为“反高斯”
    内核分配 KernelDistribution 健身师具有域名指定为“内核”
    物流配送 物流配送 健身师具有域名指定为“物流”
    逻辑分布 LoglogisticDistribution 健身师具有域名指定为“后勤”
    对数正态分布 对数正态分布 健身师具有域名指定为“对数正态”
    中川分布 中段分布 健身师具有域名指定为“中谷”
    负二项分布 负指数分布 健身师具有域名指定为“否定名词”
    正态分布 常态分配 健身师具有域名指定为“正常”
    泊松分布 泊松分布 健身师具有域名指定为“泊松”
    瑞利分布 RayleighDistribution 健身师具有域名指定为“瑞利”
    TLocation-Scale分布 t位置刻度分布 健身师具有域名指定为“tLocationScale”
    威布尔分布 WeibullDistribution 健身师具有域名指定为“威布尔”

    提示

    • 收集GPU阵列可能成本高昂，通常不需要，除非您需要将结果与不支持GPU阵列的函数一起使用。有关接受GPU阵列的统计信息和机器学习工具箱函数的完整列表，请参阅金宝app功能列表（GPU阵列）．

    • 你也可以打电话聚集在其他数据类型上，例如分布式、协同分布式或高数组。如果该数据类型不支持收集，则金宝app聚集没有效果。

    扩展能力

    另见

    （并行计算工具箱）|（并行计算工具箱）||||||||

    话题

    在R2020b中引入

    统计和机器学习工具箱文档

    金宝app

    掌握机器学习：用MATLAB逐步指导

    掌握机器学习：用MATLAB逐步指导

    下载电子书