Шаблон модели ядра
templateKernel
создает шаблон, подходящий для подбора кривой Гауссовой модели классификации ядра для нелинейной классификации.
Шаблон задает двоичную модель учащегося, количество размерностей расширенного пространства, шкалу ядра, ограничения коробки и силу регуляризации, среди других параметров. После создания шаблона обучите модель, передав шаблон и данные в fitcecoc
.
возвращает шаблон модели ядра.t
= templateKernel()
Если вы создаете шаблон по умолчанию, то во время обучения программное обеспечение использует значения по умолчанию для всех входных параметров.
возвращает шаблон с дополнительными опциями, заданными одним или несколькими аргументами пары "имя-значение". Для примера можно реализовать логистическую регрессию или задать количество размерностей расширенного пространства.t
= templateKernel(Name,Value
)
Если вы отображаете t
в Командном окне, затем некоторые свойства t
появляются пустыми ([]
). Во время обучения программа использует значения по умолчанию для пустых свойств.
templateKernel
минимизирует регуляризованную целевую функцию с помощью решателя с ограниченной памятью Broyden-Fletcher-Goldfarb-Shanno (LBFGS) с регуляризацией гребня (L 2). Чтобы найти тип решателя LBFGS, используемый для обучения, введите FitInfo.Solver
в Командном окне.
'LBFGS-fast'
- решатель LBFGS.
'LBFGS-blockwise'
- решатель LBFGS с блочной стратегией. Если templateKernel
требуется больше памяти, чем значение BlockSize
чтобы сохранить преобразованные данные предиктора, он использует блочную стратегию.
'LBFGS-tall'
- решатель LBFGS с блочной стратегией для длинных массивов.
Когда templateKernel
использует блочную стратегию, templateKernel
реализует LBFGS путем распределения вычисления потерь и градиента между различными частями данных при каждой итерации. Также, templateKernel
уточняет начальные оценки линейных коэффициентов и члена смещения путем локальной подгонки модели к частям данных и объединения коэффициентов путем усреднения. Если вы задаете 'Verbose',1
, затем templateKernel
отображает диагностическую информацию для каждого прохода данных и хранит информацию в History
область FitInfo
.
Когда templateKernel
не использует блочную стратегию, начальные оценки являются нулями. Если вы задаете 'Verbose',1
, затем templateKernel
отображает диагностическую информацию для каждой итерации и хранит информацию в History
область FitInfo
.
[3] Хуан, П. С., Х. Аврон, Т. Н. Сайнатх, В. Синдхвани и Б. Рамабхадран. «Методы ядра соответствуют глубоким нейронным сетям на TIMIT». 2014 IEEE International Conference on Acoustics, Speech and Signal Processing. 2014, стр 205–209.