Выделение признаков разреженной фильтрацией
SparseFiltering использует разреженную фильтрацию, чтобы изучить преобразование, которое сопоставляет входные предикторы с новыми предикторами.
Создайте объект SparseFiltering с помощью функции sparsefilt.
FitInfo — Подходящая историяЭто свойство доступно только для чтения.
Подходящая история, возвращенная как структура с двумя полями:
Iteration — Числа итерации от 0 до итоговой итерации.
Цель Значение целевой функции в каждой соответствующей итерации. Итерация 0 соответствует начальным значениям перед любым подбором кривой.
Типы данных: struct
InitialTransformWeights — Начальные веса преобразования функцииp-by-q матрицаЭто свойство доступно только для чтения.
Начальные веса преобразования функции, возвращенные как p-by-q матрица, где p является количеством предикторов, передали в X, и q является количеством функций, которые вы хотите. Эти веса являются начальными весами, переданными функции создания. Тип данных является одним, когда данные тренировки X являются одним.
Типы данных: single | double
ModelParameters — Параметры используются для учебной моделиЭто свойство доступно только для чтения.
Параметры использовали для обучения модель, возвращенную как структура. Структура содержит подмножество полей, которое соответствует парам "имя-значение" sparsefilt, которые были в действительности во время образцового создания:
IterationLimit
VerbosityLevel
Lambda
Standardize
GradientTolerance
StepTolerance
Для получения дополнительной информации смотрите пары "имя-значение" sparsefilt в документации.
Типы данных: struct
\mu Предиктор означает при стандартизацииp-by-1 векторЭто свойство доступно только для чтения.
Средние значения предиктора при стандартизации, возвратились как p-by-1 вектор. Это свойство непусто, когда парой "имя-значение" Standardize является true при образцовом создании. Значение является вектором средних значений предиктора в данных тренировки. Тип данных является одним, когда данные тренировки X являются одним.
Типы данных: single | double
NumLearnedFeatures — Количество выходных функцийЭто свойство доступно только для чтения.
Количество выходных функций, возвращенных как положительное целое число. Это значение является аргументом q, переданным функции создания, которая является требуемым количеством функций, чтобы учиться.
Типы данных: double
NumPredictors — Количество входных предикторовЭто свойство доступно только для чтения.
Количество входных предикторов, возвращенных как положительное целое число. Это значение является количеством предикторов, переданных в X функции создания.
Типы данных: double
\sigma Стандартные отклонения предиктора при стандартизацииp-by-1 векторЭто свойство доступно только для чтения.
Стандартные отклонения предиктора при стандартизации, возвратились как p-by-1 вектор. Это свойство непусто, когда парой "имя-значение" Standardize является true при образцовом создании. Значение является вектором стандартных отклонений предиктора в данных тренировки. Тип данных является одним, когда данные тренировки X являются одним.
Типы данных: single | double
TransformWeights — Покажите веса преобразованияp-by-q матрицаЭто свойство доступно только для чтения.
Покажите веса преобразования, возвращенные как p-by-q матрица, где p является количеством предикторов, переданных в X, и q является количеством функций, которые вы хотите. Тип данных является одним, когда данные тренировки X являются одним.
Типы данных: single | double
transform | Преобразуйте предикторы в извлеченные функции |
Создайте объект SparseFiltering при помощи функции sparsefilt.
Загрузите закрашенные фигуры caltech101 изображений.
data = load('caltech101patches');
size(data.X)ans = 1×2
100000 363
Существует 100 000 закрашенных фигур изображений, каждый содержащий 363 функции.
Извлеките 100 функций от данных.
rng default % For reproducibility Q = 100; obj = sparsefilt(data.X,Q,'IterationLimit',100)
Warning: Solver LBFGS was not able to converge to a solution.
obj =
SparseFiltering
ModelParameters: [1x1 struct]
NumPredictors: 363
NumLearnedFeatures: 100
Mu: []
Sigma: []
FitInfo: [1x1 struct]
TransformWeights: [363x100 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.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.