hyperparameters

Описание переменных для оптимизации функции аппроксимации

Описание

пример

VariableDescriptions = hyperparameters(FitFcnName,predictors,response) возвращает переменные по умолчанию для заданной функции подгонки. Это переменные, которые применяются, когда вы устанавливаете OptimizeHyperparameters Пара "имя-значение" с 'auto'.

пример

VariableDescriptions = hyperparameters(FitFcnName,predictors,response,LearnerType) возвращает переменные для подгонки ансамбля с заданным типом обучающегося. Этот синтаксис применяется при FitFcnName является 'fitcecoc', 'fitcensemble', или 'fitrensemble'.

Примеры

свернуть все

Получите гиперпараметры по умолчанию для fitcsvm классификатор.

Загрузите ionosphere данные.

load ionosphere

Получите гиперпараметры.

VariableDescriptions = hyperparameters('fitcsvm',X,Y);

Осмотрите все гиперпараметры.

for ii = 1:length(VariableDescriptions)
    disp(ii),disp(VariableDescriptions(ii))
end
     1

  optimizableVariable with properties:

         Name: 'BoxConstraint'
        Range: [1.0000e-03 1000]
         Type: 'real'
    Transform: 'log'
     Optimize: 1

     2

  optimizableVariable with properties:

         Name: 'KernelScale'
        Range: [1.0000e-03 1000]
         Type: 'real'
    Transform: 'log'
     Optimize: 1

     3

  optimizableVariable with properties:

         Name: 'KernelFunction'
        Range: {'gaussian'  'linear'  'polynomial'}
         Type: 'categorical'
    Transform: 'none'
     Optimize: 0

     4

  optimizableVariable with properties:

         Name: 'PolynomialOrder'
        Range: [2 4]
         Type: 'integer'
    Transform: 'none'
     Optimize: 0

     5

  optimizableVariable with properties:

         Name: 'Standardize'
        Range: {'true'  'false'}
         Type: 'categorical'
    Transform: 'none'
     Optimize: 0

Измените PolynomialOrder гиперпараметр, имеющий более широкую область значений и используемый в оптимизации.

VariableDescriptions(4).Range = [2,5];
VariableDescriptions(4).Optimize = true;
disp(VariableDescriptions(4))
  optimizableVariable with properties:

         Name: 'PolynomialOrder'
        Range: [2 5]
         Type: 'integer'
    Transform: 'none'
     Optimize: 1

Получите гиперпараметры по умолчанию для fitrensemble ансамблевая регрессионная функция.

Загрузите carsmall данные.

load carsmall

Использование Horsepower и Weight как переменные предиктора, и MPG как переменная отклика.

X = [Horsepower Weight];
Y = MPG;

Получите гиперпараметры по умолчанию для Tree учащийся.

VariableDescriptions = hyperparameters('fitrensemble',X,Y,'Tree');

Осмотрите все гиперпараметры.

for ii = 1:length(VariableDescriptions)
    disp(ii),disp(VariableDescriptions(ii))
end
     1

  optimizableVariable with properties:

         Name: 'Method'
        Range: {'Bag'  'LSBoost'}
         Type: 'categorical'
    Transform: 'none'
     Optimize: 1

     2

  optimizableVariable with properties:

         Name: 'NumLearningCycles'
        Range: [10 500]
         Type: 'integer'
    Transform: 'log'
     Optimize: 1

     3

  optimizableVariable with properties:

         Name: 'LearnRate'
        Range: [1.0000e-03 1]
         Type: 'real'
    Transform: 'log'
     Optimize: 1

     4

  optimizableVariable with properties:

         Name: 'MinLeafSize'
        Range: [1 50]
         Type: 'integer'
    Transform: 'log'
     Optimize: 1

     5

  optimizableVariable with properties:

         Name: 'MaxNumSplits'
        Range: [1 99]
         Type: 'integer'
    Transform: 'log'
     Optimize: 0

     6

  optimizableVariable with properties:

         Name: 'NumVariablesToSample'
        Range: [1 2]
         Type: 'integer'
    Transform: 'none'
     Optimize: 0

Измените MaxNumSplits гиперпараметр, имеющий более широкую область значений и используемый в оптимизации.

VariableDescriptions(5).Range = [1,200];
VariableDescriptions(5).Optimize = true;
disp(VariableDescriptions(5))
  optimizableVariable with properties:

         Name: 'MaxNumSplits'
        Range: [1 200]
         Type: 'integer'
    Transform: 'log'
     Optimize: 1

Входные параметры

свернуть все

Имя функции аппроксимации, заданное как один из перечисленной подгонки имен функции классификации или регрессии.

Если FitFcnName является 'fitcecoc', 'fitcensemble', или 'fitrensemble', затем также укажите тип учащегося в LearnerType аргумент.

Пример: 'fitctree'

Данные предиктора, заданные как матрица с D столбцами предиктора или как таблица с D столбцами предиктора, где D является количеством предикторов.

Пример: X

Типы данных: double | logical | char | string | table | cell | categorical | datetime

Метки классов или числовой ответ, заданный как сгруппированная переменная (см. Сгруппированные переменные) или как скаляр.

Пример: Y

Типы данных: single | double | logical | char | string | cell

Тип обучающегося для ансамбля подгонки, заданный как 'Discriminant', 'Kernel', 'KNN', 'Linear', 'SVM', 'Tree', или шаблон указанного ученика. Используйте этот аргумент при FitFcnName является 'fitcecoc', 'fitcensemble', или 'fitrensemble'.

Для 'fitcensemble' использовать можно только 'Discriminant', 'KNN', 'Tree'или связанный шаблон.

Для 'fitrensemble', вы можете использовать только 'Tree' или templateTree.

Пример: 'Tree'

Выходные аргументы

свернуть все

Описания переменных, возвращенные как вектор optimizableVariable объекты. Переменные имеют набор параметров по умолчанию, таких как область значений и тип переменной. Все подходящие переменные существуют в описаниях, но переменные не используются в 'auto' настройки имеют свои Optimize значение свойства установлено в false. Вы можете обновить переменные с помощью записи через точку, как показано в Примерах.

Введенный в R2016b
Для просмотра документации необходимо авторизоваться на сайте