Редукция данных реконструкцией ICA
ReconstructionICA применяет анализ независимого компонента реконструкции (RICA), чтобы узнать преобразование, которое сопоставляет входу предикторы с новыми предикторами.
Создайте ReconstructionICA объект при помощи rica функция.
FitInfo - История подгонкиЭто свойство доступно только для чтения.
История аппроксимации, возвращенная как структура с двумя полями:
Iteration - Числа итераций от 0 до конечной итерации.
Objective - Значение целевой функции при каждой соответствующей итерации. Итерация 0 соответствует начальным значениям перед любым подбором кривой.
Типы данных: struct
InitialTransformWeights - Начальные веса преобразования функцийp-by- q матрицаЭто свойство доступно только для чтения.
Начальные веса преобразования функций, возвращенные как p-by- q матрица, где p количество переданных предикторов X и q - количество требуемых функций. Эти веса являются начальными весами, переданными в функцию создания. Тип данных является единичным, когда обучающие данные X является одиночным.
Типы данных: single | double
ModelParameters - Параметры для обучающей моделиЭто свойство доступно только для чтения.
Параметры для настройки модели, возвращенные как структура. Структура содержит подмножество полей, которые соответствуют rica Пары "имя-значение", которые были в эффект во время создания модели:
IterationLimit
VerbosityLevel
Lambda
Standardize
ContrastFcn
GradientTolerance
StepTolerance
Для получения дополнительной информации смотрите rica
Name,Value пар.
Типы данных: struct
Mu - Предиктор означает при стандартизацииp-by- 1 векторЭто свойство доступно только для чтения.
Предиктор означает, что при стандартизации возвращается как p-by- 1 вектор. Это свойство непусто, когда Standardize Пара "имя-значение" true при создании модели. Значение является вектором средств предиктора в обучающих данных. Тип данных является единичным, когда обучающие данные X является одиночным.
Типы данных: single | double
NonGaussianityIndicator - Негауссовость источниковq вектор ±Это свойство доступно только для чтения.
Негауссовость источников, возвращаемая как q длины вектор ± 1.
NonGaussianityIndicator(k) = 1 средства rica моделирует kI источник как субгауссов.
NonGaussianityIndicator(k) = -1 средства rica моделирует kth источник как супер-Гауссов, с резким пиком в 0.
Типы данных: double
NumLearnedFeatures - Количество выходных функцийЭто свойство доступно только для чтения.
Количество выхода функций, возвращаемое в виде положительного целого числа. Это значение является q аргумент передан в функцию создания, которая является запрошенным количеством функций для изучения.
Типы данных: double
NumPredictors - Количество входных предикторовЭто свойство доступно только для чтения.
Количество входа предикторов, возвращенных как положительное целое число. Это значение является количеством переданных предикторов X в функцию создания.
Типы данных: double
Sigma - Предикторные стандартные отклонения при стандартизацииp-by- 1 векторЭто свойство доступно только для чтения.
Предиктор стандартных отклонений при стандартизации, возвращается как p-by- 1 вектор. Это свойство непусто, когда Standardize Пара "имя-значение" true при создании модели. Значение является вектором стандартных отклонений предиктора в обучающих данных. Тип данных является единичным, когда обучающие данные X является одиночным.
Типы данных: single | double
TransformWeights - Веса преобразования функцийp-by- q матрицаЭто свойство доступно только для чтения.
Веса преобразования функций, возвращенные как p-by- q матрица, где p количество переданных предикторов X и q - количество требуемых функций. Тип данных является единичным, когда обучающие данные X является одиночным.
Типы данных: single | double
transform | Преобразуйте предикторы в извлечённые функции |
Создайте ReconstructionICA объект при помощи rica функция.
Загрузите SampleImagePatches image закрашенных фигур.
data = load('SampleImagePatches');
size(data.X)ans = 1×2
5000 363
Существует 5000 закрашенные фигуры для изображений, каждый из которых содержит 363 функции.
Извлеките 100 функции из данных.
rng default % For reproducibility q = 100; Mdl = rica(data.X,q,'IterationLimit',100)
Warning: Solver LBFGS was not able to converge to a solution.
Mdl =
ReconstructionICA
ModelParameters: [1x1 struct]
NumPredictors: 363
NumLearnedFeatures: 100
Mu: []
Sigma: []
FitInfo: [1x1 struct]
TransformWeights: [363x100 double]
InitialTransformWeights: []
NonGaussianityIndicator: [100x1 double]
Properties, Methods
rica выдает предупреждение, поскольку оно остановлено из-за достижения предела итерации, вместо достижения предельного размера шага или предельного размера градиента. Вы по-прежнему можете использовать выученные функции в возвращаемом объекте, вызывая transform функция.
У вас есть измененная версия этого примера. Вы хотите открыть этот пример с вашими правками?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.