Класс: RegingGP
Вычисление статистики после подгонки для точной модели регрессии гауссова процесса
loores = postFitStatistics(gprMdl)
[loores,neff] = postFitStatistics(gprMdl)
loores = postFitStatistics(gprMdl) возвращает остатки отпуска, loores, для обученной модели регрессии гауссова процесса (GPR).
[loores,neff] = postFitStatistics(gprMdl) также возвращает число действующих параметров, neff.
Создать образец данных.
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);
Подгонка модели GPR с использованием точного метода подгонки и прогнозирования.
gprMdl = fitrgp(x,y,'Basis','linear','FitMethod','exact',... 'PredictMethod','exact','KernelFunction','matern52');
Вычислите остатки отпуска и эффективное количество параметров в обучаемой модели.
[loores,neff] = postFitStatistics(gprMdl);
Спрогнозировать ответы с использованием обученной модели.
ypred = resubPredict(gprMdl);
Постройте график истинных и прогнозируемых откликов 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 график нерабочих остатков.
figure() plot(x,loores,'r.-'); xlabel('x'); ylabel('leave-one-out residuals');
Вы можете вычислить статистику постфайта только тогда, когда PredictMethod является 'exact'.
Если FitMethod является 'exact', то postFitStatistics учитывает тот факт, что коэффициенты фиксированной базисной функции оцениваются по данным.
Если FitMethod отличается от 'exact', то postFitStatistics обрабатывает фиксированные коэффициенты базисной функции как известные.
Для всех PredictMethod и FitMethod опции, postFitStatistics обрабатывает оцененные параметры ядра и среднеквадратичное отклонение шума, как известно.