postFitStatistics
Класс: RegressionGP
Вычислите постподходящую статистику для точной Гауссовой модели регрессии процесса
Синтаксис
loores = postFitStatistics(gprMdl)
[loores,neff] = postFitStatistics(gprMdl)
Описание
loores = postFitStatistics(gprMdl) возвращается остаточные значения "пропускают один", loores, для обученной модели Gaussian process regression (GPR).
[loores,neff] = postFitStatistics(gprMdl) также возвращает количество эффективных параметров, neff.
Входные параметры
Выходные аргументы
Примеры
Вычислите постподходящую статистику
Сгенерируйте выборочные данные.
rng(0,'twister'); % For reproducibility n = 1500; x = linspace(-10,10,n)'; y = sin(3*x).*cos(3*x) + sin(2*x).*cos(2*x) + sin(x) + cos(x) + 0.2*randn(n,1);
Подбирайте модель GPR с помощью точного метода для подбора кривой и предсказания.
gprMdl = fitrgp(x,y,'Basis','linear','FitMethod','exact',... 'PredictMethod','exact','KernelFunction','matern52');
Вычислите остаточные значения, "пропускают один" и эффективное количество параметров в обученной модели.
[loores,neff] = postFitStatistics(gprMdl);
Предскажите ответы с помощью обученной модели.
ypred = resubPredict(gprMdl);
Постройте истинные и предсказанные ответы и отобразите эффективное количество параметров в подгонке.
figure() plot(x,y,'r.'); hold on; plot(x,ypred,'b'); xlabel('x'); ylabel('y'); legend('Data','GPR prediction','Location','Best'); title(['Effective number of parameters = ',num2str(neff)]); hold off
Постройте остаточные значения, "пропускают один".
figure() plot(x,loores,'r.-'); xlabel('x'); ylabel('leave-one-out residuals');
Советы
Можно только вычислить постподходящую статистику когда
PredictMethod'exact'.Если
FitMethod'exact'тоpostFitStatisticsсчета на то, что фиксированные коэффициенты основной функции оцениваются из данных.Если
FitMethodотличается, чем'exact'тоpostFitStatisticsобрабатывает фиксированные коэффициенты основной функции, как известный.Для всего
PredictMethodиFitMethodопции,postFitStatisticsобрабатывает предполагаемые параметры ядра и шумовое стандартное отклонение, как известный.