преобразовать

Преобразуйте предикторы в извлеченные функции

Синтаксис

z = transform(Mdl,x)

Описание

пример

z = transform(Mdl,x) преобразовывает данные x в функции z с помощью модели Mdl.

Примеры

свернуть все

Создайте модель преобразования функции с 100 функциями от данных caltech101patches.

rng('default') % For reproducibility
data = load('caltech101patches');
q = 100;
X = data.X;
Mdl = sparsefilt(X,q)
Warning: Solver LBFGS was not able to converge to a solution.
Mdl = 
  SparseFiltering
            ModelParameters: [1×1 struct]
              NumPredictors: 363
         NumLearnedFeatures: 100
                         Mu: []
                      Sigma: []
                    FitInfo: [1×1 struct]
           TransformWeights: [363×100 double]
    InitialTransformWeights: []


  Properties, Methods

sparsefilt выдает предупреждение, потому что он остановился из-за достижения предела итерации, вместо того, чтобы достигнуть предела неродного размера или предела размера градиента. Можно все еще использовать изученные функции в возвращенном объекте путем вызывания функции transform.

Преобразуйте первые пять строк входных данных X к пробелу новой возможности.

y = transform(Mdl,X(1:5,:));
size(y)
ans = 1×2

     5   100

Входные параметры

свернуть все

Модель выделения признаков, заданная как объект SparseFiltering или как объект ReconstructionICA. Создайте Mdl при помощи функции sparsefilt или функции rica.

Данные о предикторе, заданные как матрица со столбцами p или как таблица числовых значений со столбцами p. Здесь, p является количеством предикторов в модели, которая является Mdl.NumPredictors. Каждая строка входной матрицы или таблицы представляет одну точку данных, чтобы преобразовать.

Типы данных: single | double | table

Выходные аргументы

свернуть все

Преобразованные данные, возвращенные как n-by-q матрица. Здесь, n является количеством строк во входных данных x, и q является количеством функций, которое является Mdl.NumLearnedFeatures.

Алгоритмы

transform преобразовывает данные в предсказанные функции при помощи изученной матрицы веса W, чтобы сопоставить входные предикторы, чтобы вывести функции.

  • Для rica входные данные X отображается линейно, чтобы вывести, показывает XW. См. Алгоритм ICA Реконструкции.

  • Для sparsefilt входные данные сопоставляют нелинейно, чтобы вывести функции F^(X, W). Смотрите разреженный алгоритм фильтрации.

    Внимание

    Результат transform для разреженной фильтрации зависит от количества точек данных. В частности, результат применения transform к каждой строке матрицы отдельно отличается от результата применения transform к целой матрице целиком.

Введенный в R2017a

Для просмотра документации необходимо авторизоваться на сайте