探地雷达数据近似模型的子集

培训(当探地雷达模型准确的方法FitMethod是“准确”)需要的反演n——- - - - - -n矩阵。因此,计算复杂度是O (kn³),k函数评估评估所需的数量吗 $$\beta$$, $$\theta$$, $${\sigma }^2$$,n是观测的数量。对于大型n,参数估计或计算预测可能会非常昂贵。

一个简单的方法来解决大型数据集的计算复杂度问题是选择米<n观察的n然后应用确切的探地雷达模型这些米点估计 $$\beta$$, $$\theta$$, $${\sigma }^2$$而忽略了其他(n- - - - - -米)点。这个小的子集被称为有效集或诱导输入设置。这个近似方法被调用的数据子集(SD)方法。

使用SD方法时的计算复杂度是O (k米³),k是函数的数量评估和米是活动组的大小。存储需求是O (米²)因为只有一个完整的内核的一部分矩阵 $$K\left(X,X|\theta \right)$$需要存储在内存中。

您可以指定参数估计的SD方法使用“FitMethod”、“sd”调用的名称-值对的论点fitrgp。指定的SD方法预测,使用“PredictMethod”、“sd”名称-值对的论点。

使用确切的探地雷达模型估计参数,请参阅使用精确的探地雷达方法参数估计。使用精确的探地雷达模型进行预测,明白了使用精确的探地雷达方法预测。

另请参阅

fitrgp|预测

相关的话题

• 高斯过程回归模型
• 确切的探地雷达法
• 探地雷达的解释变量近似模型子集
• 完全独立的条件为探地雷达模型近似
• 块坐标下降为探地雷达模型近似