Exponenta Banner
exponenta event banner

преобразовать

Преобразование предикторов в извлеченные функции

свернуть все на странице

Синтаксис

z = преобразование (Mdl, x)

Описание

пример

z = transform(Mdl,x) преобразует данные x в элементы z через модель Mdl.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создание модели преобразования элементов со 100 элементами из SampleImagePatches данные.

rng('default') % For reproducibility
data = load('SampleImagePatches');
q = 100;
X = data.X;
Mdl = sparsefilt(X,q)
Warning: Solver LBFGS was not able to converge to a solution.

Mdl = 
  SparseFiltering
            ModelParameters: [1x1 struct]
              NumPredictors: 363
         NumLearnedFeatures: 100
                         Mu: []
                      Sigma: []
                    FitInfo: [1x1 struct]
           TransformWeights: [363x100 double]
    InitialTransformWeights: []


  Properties, Methods

sparsefilt выдает предупреждение, поскольку оно остановлено из-за достижения предела итерации вместо достижения предела размера шага или предела размера градиента. Вы по-прежнему можете использовать изученные функции в возвращенном объекте, вызвав transform функция.

Преобразование первых пяти строк входных данных X в новое пространство элемента.

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

     5   100

Входные аргументы

свернуть все

Модель извлечения элемента, заданная как SparseFiltering объект или как ReconstructionICA объект. Создать Mdl с помощью sparsefilt функции или rica функция.

Данные предиктора, указанные как матрица с p столбцы или в виде таблицы числовых значений с p столбцы. Здесь, p - количество предикторов в модели, которое Mdl.NumPredictors. Каждая строка входной матрицы или таблицы представляет одну точку данных для преобразования.

Типы данных: single | double | table

Выходные аргументы

свернуть все

Преобразованные данные, возвращенные как nоколо-q матрица. Здесь, n - количество строк во входных данных x, и q - количество элементов, которое Mdl.NumLearnedFeatures.

Алгоритмы

transform преобразует данные в прогнозируемые элементы, используя усвоенную матрицу весов W отображение входных предикторов на выходные признаки.

  • Для rica, входные данные X отображение линейно на выходные элементы XW. См. раздел Алгоритм восстановления ICA.

  • Для sparsefilt, входные данные отображаются нелинейно на выходные элементы F ^ (X,W). См. раздел Алгоритм разреженной 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 ко всей матрице одновременно.

См. также

| | |

Темы

Представлен в R2017a

Документация по инструментам для статистического и машинного обучения

Поддержка