項

線形モデルで使用する項を指定します。以下から選択できます。

ロバストオプション

ロバスト目的関数を使用してモデルに対する外れ値の影響を少なくするかどうかを指定します。このオプションを指定した場合、近似メソッドは外れ値である可能性が高いデータ点に低い重みを自動的に割り当てます。

初期項

ステップワ@ @ズ法の初期モデルに含める項を指定します。[定数]、[線形]、[交互作用]、[純粋な2次]および[2 次]から選択できます。

項の上限

ステップワ@ @ズ法でモデルに追加できる項の最高次数を指定します。[線形]、[交互作用]、[純粋な2次]および[2 次]から選択できます。

最大ステップ数

ステップワesc escズ法で試行できる，異なる線形モデルの最大数を指定します。学習を高速化するには，ステップの最大数の削減を試します。ステップの最大数を小さくすると，適切なモデルを見ける可能性が低くなります。

最小リフサズ

各葉ノ，ドの応答の計算に使用する学習標本の最小数を指定します。回帰木を成長させるときは，単純さと予測力を考慮してください。葉の最小サ电子邮箱ズを変更するには，ボタンをクリックするか，[最小リフサズ]ボックスに正の整数値を入力します。

代理決定分岐—欠損デタがある場合のみ。

決定分岐に代理を使用するよう指定します。デ，タに欠損値が含まれている場合，代理分岐を使用すると予測の精度が向上します。

[代理決定分岐]を[オン]に設定した場合，回帰木では最大10個の代理分岐が各枝ノ，ドで探索されます。代理分岐の数を変更するには，ボタンをクリックするか，[各ノ，ドの最大代理]ボックスに正の整数値を入力します。

[代理決定分岐]を[すべて検索]に設定した場合，回帰木ではすべての代理分岐が各枝ノ，ドで探索されます。[すべて検索]に設定すると，時間とメモリが大量に使用される可能性があります。

カ，ネル関数

カ，ネル関数は，svmに学習をさせる前にデ，タに適用する非線形変換を決定します。以下から選択できます。

ボックス制約モ，ド

ボックス制約は，残差が大きい観測値に対するペナルティを制御します。ボックス制約が大きくなると，モデルの柔軟性が高くなります。値が小さいとモデルの柔軟性が低くなり，過適合の影響が小さくなります。

[ボックス制約モ，ド]を[自動]に設定した場合，ヒュ，リスティック手法を使用してボックス制約が選択されます。

モデルを微調整するには，ボックス制約を手動で指定します。[ボックス制約モ，ド]を[手動]に設定して値を指定します。値を変更するには，矢印をクリックするか，[手動のボックス制約]ボックスに正のスカラ，値を入力します。適切な値が自動的に事前選択されます。この値を少しだけ変化させて，モデルが改善されるかどうかを調べます。

プシロンモ，ド

プシロン(ε)の値より小さい予測誤差は無視され，ゼロに等しいものとして扱われます。@ @プシロンの値が小さくなると，@ @モデルの柔軟性が高くなります。

[huawei @ huawei @ huawei @ huawei @ huawei @ huawei]を[自動]に設定した場合，ヒュ，リスティック手法を使用してカ，ネルスケ，ルが選択されます。

モデルを微調整するには，电子邮件プシロンの値を手動で指定します。[huawei @ huawei @ huawei @ huawei @ huawei @ huawei]を[手動]に設定して値を指定します。値を変更するには，矢印をクリックするか，[手動の电子邮箱プシロン]ボックスに正のスカラ，値を入力します。適切な値が自動的に事前選択されます。この値を少しだけ変化させて，モデルが改善されるかどうかを調べます。

カ，ネルスケ，ルモ，ド

カ，ネルスケ，ルは，カ，ネルが有意に変化する予測子のスケ，ルを制御します。カ，ネルスケ，ルが小さくなると，モデルの柔軟性が高くなります。

[カ，ネルスケ，ルモ，ド]を[自動]に設定した場合，ヒュ，リスティック手法を使用してカ，ネルスケ，ルが選択されます。

モデルを微調整するには，カ，ネルスケ，ルを手動で指定します。[カ，ネルスケ，ルモ，ド]を[手動]に設定して値を指定します。値を変更するには，矢印をクリックするか，[手動カ，ネルスケ，ル]ボックスに正のスカラ，値を入力します。適切な値が自動的に事前選択されます。この値を少しだけ変化させて，モデルが改善されるかどうかを調べます。

標準化

予測子は，標準化によって平均が0，標準偏差が1になるように変換されます。標準化により、任意のスケールに対する依存性が予測子から除去され、通常は性能が向上します。

基底関数

基底関数は，ガウス過程回帰モデルの事前平均関数の形式を指定します。[ゼロ]、[定数]および[線形]から選択できます。異なる基底関数を選択して，モデルが改善されるかどうかを調べます。

カ，ネル関数

カ，ネル関数は，予測子値間の距離の関数として応答の相関を決定します。[有理二次]、[二乗指数]、(Matern 5/2)、(Matern 3/2)および[指数]から選択できます。

カネル関数の詳細にいては，カ，ネル(共分散)関数のオプションを参照してください。

等方性カ，ネルを使用

等方性カネルを使用する場合，すべての予測子にいて相関長のスケルが同じになります。非等方性カ，ネルの場合，相関長のスケ，ルが予測子変数ごとに異なります。

非等方性カーネルを使用すると,モデルの精度が向上する可能性がありますが,当てはめにかかる時間が長くなる可能性があります。

非等方性カネルの詳細にいては，カ，ネル(共分散)関数のオプションを参照してください。

カ，ネルモ，ド

[カ，ネルスケ，ル]および[信号標準偏差]というカ，ネルパラメ，タ，の“初期”値を手動で指定できます。信号標準偏差は応答値の事前標準偏差です。既定では，カ，ネルパラメ，タ，が初期値を開始点として，局所的に最適化されます。固定されたカ，ネルパラメ，タ，を使用するには，詳細オプションの[数値パラメ，タ，の最適化]チェックボックスをオフにします。

[カ，ネルスケ，ルモ，ド]を[自動]に設定した場合，ヒュ，リスティック手法を使用して初期カ，ネルパラメ，タ，が選択されます。

[カ，ネルスケ，ルモ，ド]を[手動]に設定した場合，初期値を指定できます。ボタンをクリックするか，[カ，ネルスケ，ル]ボックスと[信号標準偏差]ボックスに正のスカラ，値を入力します。

[等方性カ，ネルを使用]チェックボックスをオフにした場合，初期カ，ネルパラメ，タ，を手動で設定することはできません。

シグマモ，ド

観測値のノ@ @ズ標準偏差[シグマ]の“初期”値を手動で指定できます。既定では，観測値のノaaplズ標準偏差が，初期値を開始点として最適化されます。固定されたカ，ネルパラメ，タ，を使用するには，詳細オプションの[数値パラメ，タ，の最適化]チェックボックスをオフにします。

[シグマモ，ド]を[自動]に設定した場合，ヒュ，リスティック手法を使用して観測値の初期ノ，ズ標準偏差が選択されます。

[シグマモ，ド]を[手動]に設定した場合，初期値を指定できます。ボタンをクリックするか，[シグマ]ボックスに正のスカラ，値を入力します。

標準化

予測子は，標準化によって平均が0，標準偏差が1になるように変換されます。標準化により、任意のスケールに対する依存性が予測子から除去され、通常は性能が向上します。

数値パラメ，タ，の最適化

このオプションを指定すると，gprモデルの数値パラメ，タ，が自動的に最適化されます。最適化されるパラメ，タ，は，[基底関数]の係数，カ，ネルパラメ，タ，[カ，ネルスケ，ル]および[信号標準偏差]，および観測値のノescズ標準偏差[シグマ]です。

学習器-拡張空間に当てはめる線形回帰モデルのタie浏览器プを指定します。支持向量机または最小二乘核のいずれかになります。支持向量机モデルではモデルの当てはめでイプシロン不感応損失を使用するのに対し、最小二乗モデルでは平均二乗誤差 (MSE) を使用します。

拡張次元数-拡張空間内の次元数を指定します。

正則化強度(Lambda)-リッジ(l2)正則化ペナルティ項を指定します。支持向量机学習器を使用する場合、ボックス制約 C と正則化項の強度 λ にはC = 1/(λn)という関係があります。Nは観測値の個数です。

カ，ネルスケ，ル—カネルスケリングを指定します。この値を使用して，ランダムな特徴量拡張用のランダムな基底が取得されます。詳細にいては，ランダムな特徴量拡張を参照してください。

プシロン—ereplicationプシロン不感応区間の幅の半分を指定します。このオプションは，[学習器]が支持向量机の場合に使用できます。

反復制限-学習反復の最大数を指定します。

最小リフサズ

各葉ノ，ドの応答の計算に使用する学習標本の最小数を指定します。回帰木を成長させるときは，単純さと予測力を考慮してください。葉の最小サ电子邮箱ズを変更するには，ボタンをクリックするか，[最小リフサズ]ボックスに正の整数値を入力します。

学習器の数

学習器の数を変更してモデルが向上するか確認してください。学習器を増やすと精度が向上しますが、近似に時間がかかる可能性があります。

学習率

ブ，スティング木の場合に縮小学習率を指定します。学習率を1 未満に設定すると、アンサンブルでは学習反復数を増加させる必要がありますが、多くの場合に精度が向上します。一般的な初期選択肢は 0.1 です。

全結合層の数—回帰用の最終全結合層を除く，ニュラルネットワク内の全結合層の数を指定します。最大3の全結合層を選択できます。

最初の層のサ@ @ズ、2番目の層のサie浏览器ズ、3番目の層のサie浏览器ズ—最終全結合層を除く，各全結合層のサescズを指定します。複数の全結合層をもつニューラルネットワークを作成するように選択した場合は,サイズを小さくした層を指定することを検討してください。

活性化-最終全結合層を除く、すべての全結合層の活性化関数を指定します。线性整流函数（Rectified Linear Unit）、双曲正切、没有一个、乙状结肠のいずれかの活性化関数を選択します。

反復制限-学習反復の最大数を指定します。

正則化強度(Lambda)-リッジ(l2)正則化ペナルティ項を指定します。

デ，タの標準化-数値予測子を標準化するかどうかを指定します。予測子ごとにスケ，ルが大きく異なる場合，標準化を行うと近似を向上させることができます。デ，タを標準化することを強く推奨します。