Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

predict

Predecir respuestas mediante el modelo de regresión de máquina vectorial de soporte

Descripción

ejemplo

yfit = predict(Mdl,X) Devuelve un vector de respuestas previstas para los Datos predictores de la tabla o matriz, basándose en el modelo de regresión de máquina de vectores de soporte (SVM) completo o compacto entrenado.XMdl

Argumentos de entrada

expandir todo

Modelo de regresión de SVM, especificado como modelo o modelo, devuelto por oRegressionSVMCompactRegressionSVMfitrsvm compactRespectivamente.

Datos de predictor utilizados para generar respuestas, especificadas como una matriz o tabla numérica.

Cada fila de corresponde a una observación, y cada columna corresponde a una variable.X

  • Para una matriz numérica:

    • Las variables que componen las columnas de deben tener el mismo orden que las variables predictoras que entrenaron.XMdl

    • Si ha entrenado usando una tabla (por ejemplo,), entonces puede ser una matriz numérica si contiene todas las variables predictoras numéricas.MdlTblXTbl Para tratar los predictores numéricos como categóricos durante el entrenamiento, identifique los predictores categóricos utilizando el argumento de par nombre-valor de.TblCategoricalPredictorsfitrsvm Si contiene variables predictoras heterogéneas (por ejemplo, tipos de datos numéricos y categóricos) y es una matriz numérica, se produce un error.TblXPredecir

  • Para una tabla:

    • no admite variables de varias columnas ni matrices de celdas que no sean matrices de celdas de vectores de caracteres.Predecir

    • Si ha entrenado utilizando una tabla (por ejemplo,), todas las variables predictoras en deben tener los mismos nombres de variables y tipos de datos que los que entrenaron (almacenados en).MdlTblXMdlMdl.PredictorNames Sin embargo, el orden de columna de no necesita corresponder al orden de columna de. y puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XTblTblXPredecir

    • Si entrenó con una matriz numérica, los nombres de los predictores y los nombres de las variables predictoras correspondientes deben ser los mismos.MdlMdl.PredictorNamesX Para especificar nombres de predictores durante el entrenamiento, vea el argumento de par nombre-valor de.PredictorNamesfitrsvm Todas las variables predictoras en deben ser vectores numéricos. puede contener variables adicionales (variables de respuesta, pesos de observación, etc.), pero las ignora.XXPredecir

Si se establece en el tren, a continuación, el software estandariza las columnas de uso de los medios correspondientes en y desviaciones estándar en.'Standardize',truefitrsvmMdlXMdl.MuMdl.Sigma

Tipos de datos: table | double | single

Argumentos de salida

expandir todo

Las respuestas previstas, devueltas como un vector de longitud, donde es el número de observaciones en los datos de entrenamiento.nn

Para obtener más información sobre cómo predecir respuestas, consulte y en.Ecuación 1Ecuación 2Comprensión de la regresión de máquina de vectores de soporte

Ejemplos

expandir todo

Cargue el conjunto de datos.carsmall Considere un modelo que predice la eficiencia de combustible de un automóvil, dada su potencia y peso. Determine el tamaño de la muestra.

load carsmall tbl = table(Horsepower,Weight,MPG); N = size(tbl,1);

Particionar los datos en conjuntos de entrenamiento y pruebas. Mantenga el 10% de los datos para las pruebas.

rng(10); % For reproducibility cvp = cvpartition(N,'Holdout',0.1); idxTrn = training(cvp); % Training set indices idxTest = test(cvp);    % Test set indices

Entrenar un modelo de regresión SVM lineal. Estandarizar los datos.

Mdl = fitrsvm(tbl(idxTrn,:),'MPG','Standardize',true);

es un modelo.MdlRegressionSVM

Predecir las respuestas para el conjunto de pruebas.

YFit = predict(Mdl,tbl(idxTest,:));

Cree una tabla que contenga los valores de respuesta observados y los valores de respuesta pronosticados una al lado de la otra.

table(tbl.MPG(idxTest),YFit,'VariableNames',...     {'ObservedValue','PredictedValue'})
ans=10×2 table
    ObservedValue    PredictedValue
    _____________    ______________

          14             9.4833    
          27             28.938    
          10              7.765    
          28             27.155    
          22             21.054    
          29             31.484    
        24.5             30.306    
        18.5              19.12    
          32             28.225    
          28             26.632    

Sugerencias

Capacidades ampliadas

Introducido en R2015b