Exponenta Banner
exponenta event banner

gather

Соберите свойства линейной или обобщенной линейной модели регрессии

свернуть все на странице

    Синтаксис

    gatheredMdl = gather(mdl)

    Описание

    пример

    gatheredMdl = gather(mdl) собирает все свойства входа линейная или обобщенная линейная модель mdl и возвращает собранную модель gatheredMdl. Все свойства выходной модели хранятся как регулярные массивы.

    Использование gather создать линейную или обобщенную линейную модель со свойствами, сохраненными как регулярные массивы из модели, подбиравшей с помощью данных, хранимых как массив графического процессора. Для получения дополнительной информации о массивах графического процессора смотрите gpuArray (Parallel Computing Toolbox).

    Примеры

    свернуть все

    Этот пример использует:

    Скрипт Open Live Script

    Соберите свойства модели линейной регрессии, подбиравшей с данными массива графического процессора.

    Загрузите carsmall набор данных. Создайте X как числовая матрица, которая содержит три автомобильных показателя производительности. Создайте Y как числовой вектор, который содержит соответствующие мили на галлон.

    load carsmall
X = [Weight,Horsepower,Acceleration];
Y = MPG;

    Преобразуйте предиктор X и ответ Y к gpuArray (Parallel Computing Toolbox) объекты.

    X = gpuArray(X);
Y = gpuArray(Y);

    Соответствуйте модели mdl линейной регрессии при помощи fitlm. 

    mdl = fitlm(X,MPG);

    Отобразите коэффициенты mdl и определите, являются ли предполагаемые содействующие значения массивами графического процессора.

    mdl.Coefficients
    ans=4×4 table
                    Estimate        SE          tStat        pValue  
                   __________    _________    _________    __________

    (Intercept)        47.977       3.8785        12.37    4.8957e-21
    x1             -0.0065416    0.0011274      -5.8023    9.8742e-08
    x2              -0.042943     0.024313      -1.7663       0.08078
    x3              -0.011583      0.19333    -0.059913       0.95236


    isgpuarray(mdl.Coefficients.Estimate)
    ans = logical
   1

    Соберите свойства модели линейной регрессии. 

    gatheredMdl = gather(mdl);

    Отобразите коэффициенты gatheredMdl и определите, являются ли предполагаемые содействующие значения массивами графического процессора.

    gatheredMdl.Coefficients
    ans=4×4 table
                    Estimate        SE          tStat        pValue  
                   __________    _________    _________    __________

    (Intercept)        47.977       3.8785        12.37    4.8957e-21
    x1             -0.0065416    0.0011274      -5.8023    9.8742e-08
    x2              -0.042943     0.024313      -1.7663       0.08078
    x3              -0.011583      0.19333    -0.059913       0.95236


    isgpuarray(gatheredMdl.Coefficients.Estimate)
    ans = logical
   0

    Входные параметры

    свернуть все

    Линейная или обобщенная линейная модель регрессии в виде LinearModel, CompactLinearModel, GeneralizedLinearModel, или CompactGeneralizedLinearModel объект.

    Можно создать линейную или обобщенную линейную модель регрессии, которая поддерживает массивы графического процессора этими способами:

    • Использование fitlm создать LinearModel объект снабжен входными параметрами графического процессора массивов.

    • Использование compact создать CompactLinearModel объект от LinearModel объект снабжен входными параметрами графического процессора массивов.

    • Использование fitglm создать GeneralizedLinearModel объект снабжен входными параметрами графического процессора массивов.

    • Использование compact создать CompactGeneralizedLinearModel объект от GeneralizedLinearModel объект снабжен входными параметрами графического процессора массивов.

    Расширенные возможности

    Смотрите также

    | | | | (Parallel Computing Toolbox) | (Parallel Computing Toolbox)

    Темы

    Введенный в R2020b

    Документация Statistics and Machine Learning Toolbox

    Поддержка