Метод, используемый для оценки коэффициентов базисной функции, β; среднеквадратичное отклонение шума, λ; и параметры ядра в модели GPR, хранящиеся в виде символьного вектора. Это может быть одно из следующих.

Явная базисная функция, используемая в модели GPR, сохраненная как символьный вектор или дескриптор функции. Это может быть одно из следующих. Если n - число наблюдений, базисная функция добавляет в модель член H * β, где H - базисная матрица, а β - вектор p-by-1 базисных коэффициентов.

Типы данных: char | function_handle

Оцененные коэффициенты для явных базисных функций, сохраненные в виде вектора. Можно определить явную базисную функцию с помощью BasisFunction аргумент пары имя-значение в fitrgp.

Типы данных: double

Оцененное стандартное отклонение шума модели GPR, хранящееся в виде скалярного значения.

Типы данных: double

Индексы категориального предиктора, указанные как вектор положительных целых чисел. CategoricalPredictors содержит значения индекса, соответствующие столбцам данных предиктора, которые содержат категориальные предикторы. Если ни один из предикторов не категоричен, то это свойство пустое ([]).

Типы данных: single | double

Это свойство доступно только для чтения.

Оптимизация гиперпараметров с перекрестной проверкой, указанная как BayesianOptimization объект или таблица гиперпараметров и связанных значений. Это свойство не является пустым, если 'OptimizeHyperparameters' аргумент пары «имя-значение» не является пустым при создании модели. Значение HyperparameterOptimizationResults зависит от настройки Optimizer в поле HyperparameterOptimizationOptions структура при создании модели.

Максимизированная предельная логарифмическая вероятность модели GPR, сохраненная как скалярное значение, если FitMethod отличается от 'none'. Если FitMethod является 'none', то LogLikelihood пуст.

Если FitMethod является 'sd', 'sr', или 'fic', то LogLikelihood является максимизированным приближением предельной логарифмической вероятности модели GPR.

Типы данных: double

Параметры, используемые для обучения модели GPR, хранящиеся в виде GPParams объект.

Форма ковариационной функции, используемой в модели GPR, хранящейся как символьный вектор, содержащий имя встроенной ковариационной функции или дескриптор функции. Это может быть одно из следующих.

Типы данных: char | function_handle

Информация о параметрах функции ядра, используемой в модели GPR, хранящаяся в виде структуры со следующими полями.

Типы данных: struct

Метод, который predict используется для составления прогнозов из модели GPR, хранящейся в виде символьного вектора. Это может быть одно из следующих.

Веса, используемые для прогнозирования из обученной модели GPR, хранящейся в виде числового вектора. predict вычисляет прогнозы для новой матрицы предиктора Xnew с помощью продукта

$$K{(}_{}Xnew,$$A) - матрица продуктов ядра $${\mathrm{между}}_{}$$Xnew и вектором активного множества A и α - вектор весов.

Типы данных: double

Информация по вычислению на основе блочного координатного спуска (BCD) Alpha когда PredictMethod является 'bcd', хранится как структура, содержащая следующие поля.

Alpha содержит свойство Alpha вектор, вычисленный из BCD.

Если PredictMethod не является 'bcd', то BCDInformation пуст.

Типы данных: struct

Преобразование, применяемое к прогнозируемому отклику, хранящемуся в виде символьного вектора, описывающего, как преобразуются значения откликов, прогнозируемые моделью. В RegressionGP, ResponseTransform является 'none' по умолчанию, и RegressionGP не использует ResponseTransform при составлении прогнозов.

Подмножество обучающих данных, используемых для прогнозирования из модели GPR, хранящееся в виде матрицы.

predict вычисляет прогнозы для новой матрицы предиктора Xnew с помощью продукта

$$K{(}_{}Xnew,$$A) - матрица продуктов ядра $${\mathrm{между}}_{}$$Xnew и вектором активного множества A и α - вектор весов.

ActiveSetVectors равно данным обучения X для точной установки GPR и подмножества данных обучения X для разреженных методов GPR. Когда в модели есть категориальные предикторы, ActiveSetVectors содержит фиктивные переменные для соответствующих предикторов.

Типы данных: double

История выбора перемежающегося активного набора и оценка параметров для FitMethod равно 'sd', 'sr', или 'fic', хранится как структура со следующими полями.

Типы данных: struct

Метод, используемый для выбора активного набора для разреженных методов ('sd','sr', или 'fic'), хранится в виде символьного вектора. Это может быть одно из следующих.

Выбранный активный набор используется при оценке или прогнозировании параметров в зависимости от выбора FitMethod и PredictMethod в fitrgp.

Размер активного набора для разреженных методов ('sd','sr', или 'fic'), хранится в виде целого числа.

Типы данных: double

Индикаторы для выбранного активного набора для выполнения прогнозов из обученной модели GPR, хранящиеся в виде логического вектора. Эти показатели обозначают подмножество данных обучения, которое fitrgp выбирает в качестве активного набора. Например, если X является исходными данными обучения, то ActiveSetVectors = X(IsActiveSetVector,:).

Типы данных: logical

Количество наблюдений в обучающих данных, хранящихся в виде скалярного значения.

Типы данных: double

Обучающие данные, хранящиеся в виде таблицы или матрицы n-за-d, где n - количество наблюдений, а d - количество предикторных переменных (столбцов) в обучающих данных. Если модель GPR обучается на столе, то X является таблицей. В противном случае X является матрицей.

Типы данных: double | table

Наблюдаемые значения отклика, используемые для обучения модели GPR, хранятся в виде вектора n-by-1, где n - количество наблюдений.

Типы данных: double

Имена предикторов, используемых в модели GPR, хранящихся в виде клеточного массива символьных векторов. Каждое имя (ячейка) соответствует столбцу в X.

Типы данных: cell

Имена расширенных предикторов для модели GPR, хранящиеся в виде клеточного массива векторов символов. Каждое имя (ячейка) соответствует столбцу в ActiveSetVectors.

Если модель использует фиктивные переменные для категориальных переменных, то ExpandedPredictorNames содержит имена, описывающие развернутые переменные. В противном случае ExpandedPredictorNames является таким же, как PredictorNames.

Типы данных: cell

Имя переменной ответа в модели GPR, хранящейся в виде символьного вектора.

Типы данных: char

Средства предикторов, используемые для обучения модели GPR, если данные обучения стандартизированы, хранятся в виде вектора 1 к d. Если данные обучения не стандартизированы, PredictorLocation пуст.

Если PredictorLocation не пуст, то predict метод центрирует предикторные значения путем вычитания соответствующего элемента PredictorLocation из каждого столбца X.

Если есть категориальные предикторы, то PredictorLocation включает в себя 0 для каждой фиктивной переменной, соответствующей этим предикторам. Фиктивные переменные не центрированы и не масштабированы.

Типы данных: double

Стандартные отклонения предикторов, используемых для обучения модели GPR, если данные обучения стандартизированы, хранятся в виде вектора 1 к d. Если данные обучения не стандартизированы, PredictorScale пуст.

Если PredictorScale не пуст, predict метод масштабирует предикторы путем деления каждого столбца X соответствующим элементом PredictorScale (после центрирования с использованием PredictorLocation).

Если есть категориальные предикторы, то PredictorLocation включает в себя 1 для каждой фиктивной переменной, соответствующей этим предикторам. Фиктивные переменные не центрированы и не масштабированы.

Типы данных: double

Индикаторы для строк, используемых при обучении модели GPR, хранящиеся как логический вектор. Если все строки используются при обучении модели, то RowsUsed пуст.

Типы данных: logical