RegressionGPクラス
スパクラス:CompactRegressionGP
ガウス過程回帰モデルクラス
説明
RegressionGP
は,ガウス過程回帰(gpr)モデルです。GPRモデルを学習させるには,fitrgp
を使用します。学習済みのモデルを使用して次を行えます。
resubPredict
を使用した学習デタの応答の予測,または预测
を使用した新しい予測子デタの応答の予測。予測区間を計算することもできます。resubLoss
を使用した学習デタの回帰損失の計算,または损失
を使用した新しいデタの回帰損失の計算。
構築
RegressionGP
オブジェクトの作成にはfitrgp
を使用します。
プロパティ
FitMethod
- - - - - -パラメタ推定に使用された方式
“没有”
|“准确”
|“sd”
|“老”
|膜集成电路的
探地雷达モデルの基底関数係数β,ノイズ標準偏差σおよびカーネルパラメーターθの推定に使用された方式。文字ベクトルとして格納されます。次のいずれかになります。
近似方式 | 説明 |
---|---|
“没有” |
推定を行いません。fitrgp はパラメタ値として初期パラメタ値を使用します。 |
“准确” |
厳密なガウス過程回帰。 |
“sd” |
デタ点サブセット近似。 |
“老” |
回帰変数サブセット近似。 |
膜集成电路的 |
完全独立条件近似。 |
BasisFunction
- - - - - -明示的な基底関数
“没有”
|“不变”
|“线性”
|“pureQuadratic”
|関数ハンドル
GPRモデルで使用される明示的な基底関数。文字ベクトルまたは関数ハンドルとして格納されます。次のいずれかになります。観測値の数が n の場合、基底関数はH*βという項をモデルに追加します。ここで,Hは基底行列,βはp行1列の基底係数のベクトルです。
明示的な基底関数 | 基底行列 |
---|---|
“没有” |
空の行列。 |
“不变” |
(1から成るn行1列のベクトル。Nは観測値の個数) |
“线性” |
|
“pureQuadratic” |
ここで
|
関数ハンドル |
ここで, |
デタ型:字符
|function_handle
β
- - - - - -推定された係数
ベクトル
明示的な基底関数にいて推定した係数。ベクトルとして格納されます。明示的な基底関数は,fitrgp
で名前と値のペアの引数BasisFunction
を使用して定義できます。
デタ型:双
σ
- - - - - -推定されたノ邮箱ズ標準偏差
スカラ値
GPRモデルの推定ノズ標準偏差。スカラ値として格納されます。
デタ型:双
CategoricalPredictors
- - - - - -カテゴリカル予測子の邮箱ンデックス
正の整数のベクトル|[]
カテゴリカル予測子の邮箱ンデックス。正の整数のベクトルとして指定します。CategoricalPredictors
には、対応する予測子がカテゴリカルであることを示す以及ンデックス値が格納されます。ンデックス値の範囲は1 ~p
です。p
はモデルの学習に使用した予測子の数です。どの予測子もカテゴリカルではない場合,このプロパティは空([]
になります。
デタ型:单
|双
HyperparameterOptimizationResults
- - - - - -ハ
BayesianOptimization
オブジェクト|テブル
このプロパティは読み取り専用です。
ハ。ハBayesianOptimization
オブジェクトを指定します。モデルを作成するときに名前と値のペアの引数“OptimizeHyperparameters”
が空以外であった場合,このプロパティは空以外になります。HyperparameterOptimizationResults
の値は,モデル作成時の構造体HyperparameterOptimizationOptions
の优化器
フィルドの設定によって変化します。
优化器 フィルドの値 |
HyperparameterOptimizationResults の値 |
---|---|
“bayesopt” (既定の設定) |
BayesianOptimization クラスのオブジェクト |
“gridsearch” または“randomsearch” |
使用したハイパーパラメーター,観測された目的関数の値(交差検証損失),および最低(最良)から最高(最悪)までの観測値の順位が格納されているテーブル |
LogLikelihood
- - - - - -最大化した周辺対数尤度
スカラ値|[]
最大化したGPRモデルの周辺対数尤度。FitMethod
が“没有”
以外の場合,スカラ値として格納されます。FitMethod
が“没有”
の場合,LogLikelihood
は空になります。
FitMethod
が“sd”
、“老”
または膜集成电路的
の場合,LogLikelihood
はGPRモデルの周辺対数尤度を最大化した近似値になります。
デタ型:双
ModelParameters
- - - - - -学習に使用されたパラメ学習に使用されたパラメタ
GPParams
オブジェクト
GPRモデルの学習に使用されたパラメタ。GPParams
オブジェクトとして格納されます。
KernelFunction
- - - - - -共分散関数の形式
“squaredExponential”
|“matern32”
|“matern52”
|“ardsquaredexponential”
|“ardmatern32”
|“ardmatern52”
|関数ハンドル
GPRモデルで使用した共分散関数の形式。組み込み共分散関数の名前が含まれる文字ベクトルまたは関数ハンドルとして格納されます。次のいずれかになります。
関数 | 説明 |
---|---|
“squaredexponential” |
二乗指数カネル。 |
“matern32” |
パラメタが3/2のMaternカネル。 |
“matern52” |
パラメタが5/2のMaternカネル。 |
“ardsquaredexponential” |
予測子ごとに特性長スケルが異なる二乗指数カネル。 |
“ardmatern32” |
パラメタが3/2で予測子ごとに特性長スケルが異なるMaternカネル。 |
“ardmatern52” |
パラメタが5/2で予測子ごとに特性長スケルが異なるMaternカネル。 |
関数ハンドル | fitrgp で次のように呼び出すことができる関数ハンドル。Kmn = kfcn (Xm, Xnθ) ここで, Xm はm行d列の行列,Xn はn行d列の行列,Kmn はKmn が(i, j)Xm (我:と)Xn (j,:)の間のカネル積であるm行n列のカネル積の行列です。θ はkfcn に行1列のパラメ。 |
デタ型:字符
|function_handle
KernelInformation
- - - - - -カネル関数のパラメタに関する情報
構造体
GPRモデルで使用されたカネル関数のパラメタに関する情報。次のフィルドをも構造体として格納されます。
フィルド名 | 説明 |
---|---|
的名字 |
カネル関数の名前 |
KernelParameters |
推定されるカネルパラメタのベクトル |
KernelParameterNames |
KernelParameters の要素に関連付けられている名前。 |
デタ型:结构体
PredictMethod
- - - - - -予測を行うための方式
“准确”
|“bcd”
|“sd”
|“老”
|膜集成电路的
预测
がGPRモデルから予測を行うために使用した方式。文字ベクトルとして格納されます。次のいずれかになります。
PredictMethod |
説明 |
---|---|
“准确” |
厳密なガウス過程回帰 |
“bcd” |
ブロック座標降下 |
“sd” |
デタ点サブセット近似 |
“老” |
回帰変数サブセット近似 |
膜集成电路的 |
完全独立条件近似 |
α
- - - - - -重み
数値ベクトル
学習済みのGPRモデルから予測を行うために使用した重み。数値ベクトルとして格納されます。预测
は,次の積を使用して新しい予測子行列Xnew
にいて予測を計算します。
は とアクティブセットベクトル一个の間のカネル積の行列,αは重みのベクトルです。
デタ型:双
BCDInformation
- - - - - -BCDに基づくα
の計算に関する情報
構造体|[]
PredictMethod
が“bcd”
の場合の,ブロック座標降下(bcd)に基づくα
の計算に関する情報。次のフィルドが含まれている構造体として返されます。
フィルド名 | 説明 |
---|---|
梯度 |
収束時のBCD目的関数の勾配が含まれているn行1列の行列。 |
客观的 |
収束時のBCD目的関数が含まれているスカラ。 |
SelectionCounts |
BCDにおいて各点をブロックに選択した回数を示すn行1列の整数ベクトル。 |
α
プロパティには,bcdから計算したベクトルα
が格納されます。
PredictMethod
が“bcd”
ではない場合,BCDInformation
は空になります。
デタ型:结构体
ResponseTransform
- - - - - -予測応答に適用する変換
“没有”
(既定値)
予測された応答に適用する変換。モデルによって予測された応答値の変換方法を表す文字ベクトルとして格納されます。RegressionGP
では,ResponseTransform
は既定では“没有”
です。RegressionGP
は予測を行うときにResponseTransform
を使用しません。
ActiveSetVectors
- - - - - -学習デタのサブセット
行列
GPRモデルから予測を行うために使用した学習デタのサブセット。行列として格納されます。
预测
は,次の積を使用して新しい予測子行列Xnew
にいて予測を計算します。
は とアクティブセットベクトル一个の間のカネル積の行列,αは重みのベクトルです。
ActiveSetVectors
は,厳密なGPR近似の場合の学習デタX
およびスパスなGPR法の場合の学習デタX
のサブセットと等しくなります。カテゴリカル予測子がモデルに含まれている場合,対応する予測子にActiveSetVectors
に含まれます。
デタ型:双
ActiveSetHistory
- - - - - -アクティブセット選択とパラメタ推定の履歴
構造体
FitMethod
が“sd”
、“老”
または膜集成电路的
に等しい場合のeconンタリの履歴。次のフィルドをも構造体として格納されます。
フィルド名 | 説明 |
---|---|
ParameterVector |
基底関数の係数β,カーネル関数のパラメーターθおよびノイズ標準偏差σというパラメーターベクトルが含まれている细胞配列。 |
ActiveSetIndices |
アクティブセットの邮箱ンデックスが含まれているcell配列。 |
Loglikelihood |
最大化した対数尤度が含まれているベクトル。 |
CriterionProfile |
アクティブセットのサイズが0から最終的なサイズに増加する場合のアクティブセット選択基準値を含む细胞配列。 |
デタ型:结构体
ActiveSetMethod
- - - - - -アクティブセットの選択に使用された方式
“sgma”
|“熵”
|“可能性”
|“随机”
スパスな方式(“sd”
、“老”
または膜集成电路的
の場合にアクティブセットの選択に使用された方式。文字ベクトルとして格納されます。次のいずれかになります。
ActiveSetMethod |
説明 |
---|---|
“sgma” |
スパスグリディ行列近似 |
“熵” |
微分エントロピに基づく選択 |
“可能性” |
回帰変数サブセットの対数尤度に基づく選択 |
“随机” |
無作為選択 |
選択したアクティブセットは,fitrgp
におけるFitMethod
とPredictMethod
の選択に応じて,パラメタの推定または予測で使用されます。
ActiveSetSize
- - - - - -アクティブセットのサ邮箱ズ
整数値
スパスな方式(“sd”
、“老”
または膜集成电路的
)の場合のアクティブセットのサズ。整数値として格納されます。
デタ型:双
IsActiveSetVector
- - - - - -アクティブセットを選択するためのeconf econfンジケeconfタ
合乎逻辑的ベクトル
学習済みGPRモデルから予測を行うためにアクティブセットを選択するための。合乎逻辑的ベクトルとして格納されます。これらの邮箱ンジケ邮箱タ邮箱は,fitrgp
がアクティブセットとして選択する学習デタのサブセットを示します。たとえば,X
が元の学習デタである場合,ActiveSetVectors = X (IsActiveSetVector:)
になります。
デタ型:逻辑
NumObservations
- - - - - -学習デタに含まれている観測値の数
スカラ値
学習デタに含まれている観測値の数。スカラ値として格納されます。
デタ型:双
X
- - - - - -学習デタ
N行d列のテブル|N行d列の行列
学習デタ。n行 d 列のテーブルまたは行列として格納されます。n は学習データに含まれている観測値の数、d は予測子変数 (列) の数です。テーブルに対して GPR モデルを学習させた場合、X
はテブルになります。それ以外の場合,X
は行列になります。
デタ型:双
|表格
Y
- - - - - -観測された応答値
N行1列のベクトル
GPRモデルを学習させるために使用した,観測された応答値。N行1列のベクトルとして格納されます。Nは観測値の数です。
デタ型:双
PredictorNames
- - - - - -予測子の名前
文字ベクトルのcell配列
GPRモデルで使用した予測子の名前。文字ベクトルのcell配列として格納されます。それぞれの名前 (セル) は、X
の列に対応します。
デタ型:细胞
ExpandedPredictorNames
- - - - - -展開された予測子の名前
文字ベクトルのcell配列
GPRモデルの展開された予測子の名前。文字ベクトルのcell配列として格納されます。それぞれの名前 (セル) は、ActiveSetVectors
の列に対応します。
モデルでカテゴリカル変数用にダミ変数を使用している場合,ExpandedPredictorNames
には展開された変数を表す名前が含まれます。それ以外の場合,ExpandedPredictorNames
はPredictorNames
と同じです。
デタ型:细胞
ResponseName
- - - - - -応答変数の名前
文字ベクトル
GPRモデルにおける応答変数の名前。文字ベクトルとして格納されます。
デタ型:字符
PredictorLocation
- - - - - -予測子の平均
1行d列のベクトル|[]
学習デタを標準化した場合にGPRモデルを学習させるために使用した予測子の平均。1行d列のベクトルとして格納されます。学習デタを標準化しなかった場合,PredictorLocation
は空になります。
PredictorLocation
が空ではない場合,预测
メソッドはX
のすべての列からPredictorLocation
の対応する要素を減算することにより,予測子の値をセンタリングします。
カテゴリカル予測子がある場合,そのような予測子に対応する各ダミPredictorLocation
の要素は0になります。ダミ変数は,センタリングもスケリングもされません。
デタ型:双
PredictorScale
- - - - - -予測子の標準偏差
1行d列のベクトル|[]
学習デタを標準化した場合にGPRモデルを学習させるために使用した予測子の標準偏差。1行d列のベクトルとして格納されます。学習デタを標準化しなかった場合,PredictorScale
は空になります。
PredictorScale
が空ではない場合,预测
メソッドは(PredictorLocation
を使用してセンタリングした後で)X
のすべての列をPredictorScale
の対応する要素で除算することにより,予測子をスケリングします。
カテゴリカル予測子がある場合,そのような予測子に対応する各ダミPredictorLocation
の要素は1になります。ダミ変数は,センタリングもスケリングもされません。
デタ型:双
RowsUsed
- - - - - -学習に使用した行のeconf econfンジケeconfタ
合乎逻辑的ベクトル|[]
GPRモデルを学習させるために使用した行の。合乎逻辑的ベクトルとして格納されます。すべての行をモデルの学習に使用した場合,RowsUsed
は空になります。
デタ型:逻辑
オブジェクト関数
紧凑的 |
機械学習モデルのサ邮箱ズの縮小 |
crossval |
機械学習モデルの交差検証 |
石灰 |
局部可解释模型不可知解释(LIME) |
损失 |
ガウス過程回帰モデルの回帰誤差 |
partialDependence |
部分従属の計算 |
plotPartialDependence |
部分依存プロット(pdp)および個別条件付き期待値(ice)プロットの作成 |
postFitStatistics |
厳密ガウス過程回帰モデルの当てはめ統計量の計算 |
预测 |
ガウス過程回帰モデルの予測応答 |
resubLoss |
再代入回帰損失 |
resubPredict |
学習済み回帰モデルを使用した学習デタにいての応答の予測 |
沙普利 |
シャプレ |
詳細
アクティブセットの選択とパラメタの推定
デタサブセット近似法,回帰変数サブセット近似法または完全独立条件近似法の場合(FitMethod
が“sd”
、“老”
または膜集成电路的
に等しい場合)にアクティブセット(または誘導入力セット)を指定しないと,fitrgp
は一連の反復でアクティブセットを選択してパラメタ推定を計算します。
1回目の反復では,ベクトルη0=[β0,σ0,θ0の初期パラメタ値を使用して,アクティブセット1を選択します。η0(初期値)と1を使用して新しいパラメタ推定η1を計算することにより,gprの周辺対数尤度または近似を最大化します。次に,η1と一1を使用して,新しい対数尤度1を計算します。
2回目の反復では,η1のパラメタ値を使用して,アクティブセットa2を選択します。次に,η1(初期値)と2を使用して,gprの周辺対数尤度または近似を最大化し,新しいパラメη2を推定します。そして,η2と一2を使用して,新しい対数尤度値2を計算します。
次の表は,反復と,各反復で計算されるものをまとめています。
反復数 | アクティブセット | パラメタベクトル | 対数尤度 |
---|---|---|---|
1 | 一个1 | η1 | l1 |
2 | 一个2 | η2 | l2 |
3. | 一个3. | η3. | l3. |
... | ... | ... | ... |
指定した回数の繰り返しにいて,同様に反復処理が行われます。アクティブセット選択の反復回数は,名前と値のペアの引数NumActiveSetRepeats
を使用して指定できます。
ヒント
このクラスのプロパティには,ドット表記を使用してアクセスできます。たとえば,
KernelInformation
はカネルパラメタとその名前が保持される構造体です。したがって,学習済みモデルgprMdl
のカネル関数のパラメタにアクセスするには,gprMdl.KernelInformation.KernelParameters
を使用します。
拡張機能
バジョン履歴
Matlabコマンド
次のmatlabコマンドに対応するリンクがクリックされました。
コマンドをmatlabコマンドウィンドウに入力して実行してください。WebブラウザはMATLABコマンドをサポトしていません。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。