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

compact

Clase: RegressionGP

Cree un modelo de regresión de proceso Gaussiano compacto

Sintaxis

cgprMdl = compact(gprMdl)

Descripción

cgprMdl = compact(gprMdl) Devuelve una versión compacta del modelo de regresión de proceso Gaussiano (GPR) entrenado,.gprMdl

Argumentos de entrada

expandir todo

Modelo de regresión de proceso Gaussiano, especificado como un objeto.RegressionGP

Argumentos de salida

expandir todo

Modelo de regresión de proceso Gaussiano compacto, devuelto como un objeto.CompactRegressionGP

Ejemplos

expandir todo

Genere ejemplos de datos de entrenamiento.

rng(1) % For reproducibility n = 100000; X = linspace(0,1,n)'; X = [X,X.^2]; y = 1 + X*[1;2] + sin(20*X*[1;-2]) + 0.2*randn(n,1);

Entrena un modelo GPR usando el subconjunto de método de aproximación regresisors () y predice usando el subconjunto de método Data ().'sr''sd' Utilice 50 puntos en el conjunto activo y el método de aproximación de matriz expansiva () para la selección de conjunto activo.'sgma' Debido a que las escalas del primer y segundo predictores son diferentes, es una buena práctica estandarizar los datos.

gprMdl = fitrgp(X,y,'KernelFunction','squaredExponential','FitMethod',... 'sr','PredictMethod','sd','Basis','none','ActiveSetSize',50,... 'ActiveSetMethod','sgma','Standardize',1,'KernelParameters',[1;1]);

acepta cualquier combinación de métodos de selección de ajuste, predicción y conjunto activo.fitrgp En algunos casos puede que no sea posible calcular las desviaciones estándar de las respuestas pronosticadas, por lo tanto, los intervalos de predicción. Ver.Consejos Y, en algunos casos, el uso del método exacto podría ser costoso debido al tamaño de los datos de entrenamiento.

Cree un objeto GPR compacto.

cgprMdl = compact(gprMdl);

Genere los datos de prueba.

n = 4000; Xnew = linspace(0,1,n)'; Xnew = [Xnew,Xnew.^2]; ynew = 1 + Xnew*[1;2] + sin(20*Xnew*[1;-2]) + 0.2*randn(n,1);

Utilice el objeto compacto para predecir la respuesta en los datos de prueba y los intervalos de predicción.

[ypred,~,yci] = predict(cgprMdl,Xnew);

Trace la respuesta real, la respuesta pronosticada y los intervalos de predicción.

figure; plot(ynew,'r'); hold on; plot(ypred,'b') plot(yci(:,1),'k--'); plot(yci(:,2),'k--'); legend('Data','Pred','Lower 95%','Upper 95%','Location','Best'); xlabel('x'); ylabel('y'); hold off

Calcule la pérdida de error media cuadrada en los datos de prueba utilizando el modelo GPR entrenado.

L = loss(cgprMdl,Xnew,ynew)
L = 0.0497 

Sugerencias

  • El objeto compacto no contiene los datos de entrenamiento que utiliza en la formación del modelo GPR,.fitrgpgprMdl

  • Puede utilizar el objeto compacto para realizar predicciones (consulte predict) o calcular el error de regresión (consulte loss).

  • No se admite el cálculo de desviaciones estándar, y los intervalos de predicción, cuando es.ysdyintPredictMethod'bcd'

  • Si es un objeto, no puede calcular desviaciones estándar, o intervalos de predicción, para igual o.gprMdlCompactRegressionGPysdyintPredictMethod'sr''fic' Para calcular y para igual a o, utilice el objeto de regresión completa ().ysdyintPredictMethod'sr''fic'RegressionGP

Consulte también

| | |

Introducido en R2015b