Exponenta Banner
exponenta event banner

sparsefilt

Редукция данных с помощью разреженной фильтрации

Свернуть все на странице

Синтаксис

Mdl = sparsefilt(X,q)
Mdl = sparsefilt(X,q,Name,Value)

Описание

Mdl = sparsefilt(X,q) возвращает объект модели разреженной фильтрации, который содержит результаты от применения разреженной фильтрации к таблице или матрице данных предиктора X содержащие p переменные. q Количество функций, которые нужно извлечь из X, поэтому sparsefilt изучает p -by - q матрица весов преобразования. Для неполных или избыточных представлений функций, q может быть меньше или больше, чем количество переменных предиктора, соответственно.

  • Для доступа к выученным весам преобразования используйте Mdl.TransformWeights.

  • Для преобразования X к новому набору функций при помощи выученного преобразования передайте Mdl и X кому transform.

пример

Mdl = sparsefilt(X,q,Name,Value) использует дополнительные опции, заданные одним или несколькими Name,Value аргументы в виде пар. Для примера можно стандартизировать данные предиктора или применить L2 регуляризация.

Примеры

свернуть все

Открыть Live Script

Создайте SparseFiltering объект при помощи sparsefilt 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;
obj = sparsefilt(data.X,Q,'IterationLimit',100)
Warning: Solver LBFGS was not able to converge to a solution.

obj = 
  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 предельного размера шага или предельного размера градиента. Вы по-прежнему можете использовать выученные функции в возвращаемом объекте, вызывая transform функция.

Открыть Live Script

Продолжите оптимизацию разреженного фильтра.

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 и используйте предел итерации 20.

rng default % For reproducibility
q = 100;
Mdl = sparsefilt(data.X,q,'IterationLimit',20);
Warning: Solver LBFGS was not able to converge to a solution.

Просмотрите полученную матрицу преобразования как закрашенные фигуры для изображений.

wts = Mdl.TransformWeights;
W = reshape(wts,[11,11,3,q]);
[dx,dy,~,~] = size(W);
for f = 1:q
    Wvec = W(:,:,:,f);
    Wvec = Wvec(:);
    Wvec =(Wvec - min(Wvec))/(max(Wvec) - min(Wvec));
    W(:,:,:,f) = reshape(Wvec,dx,dy,3);
end
m   = ceil(sqrt(q));
n   = m;
img = zeros(m*dx,n*dy,3);
f   = 1;
for i = 1:m
    for j = 1:n
        if (f <= q)
            img((i-1)*dx+1:i*dx,(j-1)*dy+1:j*dy,:) = W(:,:,:,f);
            f = f+1;
        end
    end
end
imshow(img,'InitialMagnification',300);

Figure contains an axes. The axes contains an object of type image.

Изображение закрашенных фигур выглядеть зашумленным. Чтобы очистить шум, попробуйте больше итераций. Перезапустите оптимизацию, откуда она остановилась в течение еще 40 итераций.

Mdl = sparsefilt(data.X,q,'IterationLimit',40,'InitialTransformWeights',wts);
Warning: Solver LBFGS was not able to converge to a solution.

Просмотрите обновленную матрицу преобразования как закрашенные фигуры изображений.

wts = Mdl.TransformWeights;
W = reshape(wts,[11,11,3,q]);
[dx,dy,~,~] = size(W);
for f = 1:q
    Wvec = W(:,:,:,f);
    Wvec = Wvec(:);
    Wvec =(Wvec - min(Wvec))/(max(Wvec) - min(Wvec));
    W(:,:,:,f) = reshape(Wvec,dx,dy,3);
end
m   = ceil(sqrt(q));
n   = m;
img = zeros(m*dx,n*dy,3);
f   = 1;
for i = 1:m
    for j = 1:n
        if (f <= q)
            img((i-1)*dx+1:i*dx,(j-1)*dy+1:j*dy,:) = W(:,:,:,f);
            f = f+1;
        end
    end
end
imshow(img,'InitialMagnification',300);

Figure contains an axes. The axes contains an object of type image.

Эти изображения менее шумные.

Входные параметры

свернуть все

Данные предиктора, заданные как n -by p числовая матрица или таблица. Строки соответствуют отдельным наблюдениям, а столбцы соответствуют отдельным переменным предиктора. Если X является таблицей, тогда все ее переменные должны быть числовыми векторами.

Типы данных: single | double | table

Количество функций для извлечения из данных предиктора, заданное как положительное целое число.

sparsefilt сохраняет p -by- q преобразовать матрицу веса в Mdl.TransformWeights. Поэтому установка очень больших значений для q может привести к увеличению потребления памяти и времени расчетов.

Типы данных: single | double

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: 'Standardize',true,'Lambda',1 стандартизирует данные предиктора и применяет штраф в 1 в матрицу веса преобразования.

Максимальное количество итераций, заданное как разделенная разделенными запятой парами, состоящая из 'IterationLimit' и положительное целое число.

Пример: 'IterationLimit',1e6

Типы данных: single | double

Уровень подробностей для мониторинга сходимости алгоритма, заданный как разделенная разделенными запятой парами, состоящая из 'VerbosityLevel' и значение в этой таблице.

ЗначениеОписание
0sparsefilt не отображает информацию сходимости в командной строке.
Положительное целое числоsparsefilt отображает информацию о сходимости в командной строке.

Информация о сходимости

ЗаголовокЗначение
FUN VALUEЗначение целевой функции.
NORM GRADНорма градиента целевой функции.
NORM STEPНорма итерационного шага, означающая расстояние между предыдущей точкой и текущей точкой.
CURVOK означает, что слабое условие Вульфа удовлетворено. Это условие является комбинацией достаточного уменьшения целевой функции и условия кривизны.
GAMMAСкалярное произведение шага умножает градиентное различие, деленное на скалярное произведение градиентного различия с самим собой. Градиентное различие является градиентом в текущей точке минус градиент в предыдущей точке. Предоставляет диагностическую информацию о кривизне целевой функции.
ALPHAМножитель шагового направления, который отличается от 1 когда алгоритм выполнил поиск по линии.
ACCEPTYES означает, что алгоритм нашел приемлемый шаг.

Пример: 'VerbosityLevel',1

Типы данных: single | double

L2 значение коэффициента регуляризации для матрицы веса преобразования, заданное как разделенная разделенными запятой парами, состоящая из 'Lambda' и положительный числовой скаляр. Если вы задаете 0, по умолчанию, тогда в целевой функции нет термина регуляризации.

Пример: 'Lambda',0.1

Типы данных: single | double

Флаг для стандартизации данных предиктора, заданный как разделенная разделенными запятой парами, состоящая из 'Standardize' и true (1) или false (0).

Если Standardize является true, затем:

  • sparsefilt центрирует и масштабирует каждый столбец данных предиктора (X) средним значением столбца и стандартным отклонением, соответственно.

  • sparsefilt извлекает новые возможности с помощью стандартизированной матрицы предиктора и сохраняет среднее значение переменной предиктора и стандартные отклонения в свойствах Mu и Sigma от Mdl.

Пример: 'Standardize',true

Типы данных: logical

Веса преобразования, которые инициализируют оптимизацию, заданные как разделенная разделенными запятой парами, состоящая из 'InitialTransformWeights' и a p -by - q числовая матрица. p должно быть количество столбцов или переменных в X и q - значение q.

Совет

Можно продолжить оптимизацию ранее возвращенной матрицы веса преобразования, передав ее как начальное значение в другом вызове sparsefilt. Система выхода объекта модели Mdl сохраняет выученную матрицу веса преобразования в TransformWeights свойство.

Пример: 'InitialTransformWeights',Mdl.TransformWeights

Типы данных: single | double

Относительный допуск сходимости по норме градиента, заданный как разделенная разделенными запятой парами, состоящая из 'GradientTolerance' и положительный числовой скаляр. Этот градиент является градиентом целевой функции.

Пример: 'GradientTolerance',1e-4

Типы данных: single | double

Абсолютный допуск сходимости размера шага, заданный как разделенная разделенными запятой парами, состоящая из 'StepTolerance' и положительный числовой скаляр.

Пример: 'StepTolerance',1e-4

Типы данных: single | double

Выходные аргументы

свернуть все

Научилась разреженной модели фильтрации, возвращается как SparseFiltering объект модели.

Для доступа к свойствам Mdl, используйте запись через точку. Для примера:

  • Для доступа к выученным весам преобразования используйте Mdl.TransformWeights.

  • Для доступа к информационной структуре модели используйте Mdl.FitInfo.

Чтобы найти разреженные коэффициенты фильтрации для новых данных, используйте transform функция.

Алгоритмы

sparsefilt функция создает нелинейное преобразование входа функций в выходные функции. Преобразование основано на оптимизации целевой функции, которая поощряет представление каждого примера как можно меньшим числом выходных признаков, в то же время сохраняя выходные признаки одинаково активными между примерами.

Для получения дополнительной информации смотрите Разреженные Алгоритмы фильтрации.

См. также

| |

Темы

Введенный в R2017a

Statistics and Machine Learning Toolbox документация

Поддержка