Exponenta Banner

transform

Преобразуйте предикторы в извлеченные функции

свернуть все на странице

Синтаксис

z = transform(Mdl,x)

Описание

пример

z = transform(Mdl,x) преобразовывает данные x в функции z с помощью модели Mdl.

Примеры

свернуть все

Скрипт Open Live Script

Создайте модель преобразования функции с 100 функциями от SampleImagePatches данные.

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

Mdl = 
  SparseFiltering
            ModelParameters: [1x1 struct]
              NumPredictors: 363
         NumLearnedFeatures: 100
                         Mu: []
                      Sigma: []
                    FitInfo: [1x1 struct]
           TransformWeights: [363x100 double]
    InitialTransformWeights: []


  Properties, Methods

sparsefilt выдает предупреждение, потому что оно остановилось из-за достижения предела итерации, вместо того, чтобы достигнуть предела неродного размера или предела размера градиента. Можно все еще использовать изученные функции в возвращенном объекте путем вызова transform функция.

Преобразуйте первые пять строк входных данных X к пробелу новой возможности.

y = transform(Mdl,X(1:5,:));
size(y)
ans = 1×2

     5   100

Входные параметры

свернуть все

Модель извлечения признаков в виде SparseFiltering возразите или как ReconstructionICA объект. Создайте Mdl при помощи sparsefilt функционируйте или rica функция.

Данные о предикторе в виде матрицы с p столбцы или как таблица числовых значений с p столбцы. Здесь, p количество предикторов в модели, которая является Mdl.NumPredictors. Каждая строка входной матрицы или таблицы представляет одну точку данных, чтобы преобразовать.

Типы данных: single | double | table

Выходные аргументы

свернуть все

Преобразованные данные, возвращенные как n- q матрица. Здесь, n количество строк во входных данных x, и q количество функций, которое является Mdl.NumLearnedFeatures.

Алгоритмы

transform преобразует данные в предсказанные функции при помощи изученной матрицы веса W сопоставлять входные предикторы, чтобы вывести функции.

  • Для rica, входные данные X отображается линейно, чтобы вывести, показывает XW. См. алгоритм ICA реконструкции.

  • Для sparsefilt, входные данные сопоставляют нелинейно, чтобы вывести функции F^XW). Смотрите разреженный алгоритм фильтрации.

    Внимание

    Результат transform поскольку разреженная фильтрация зависит от количества точек данных. В частности, результат применения transform к каждой строке матрицы отдельно отличается от результата применения transform к целой матрице целиком.

Смотрите также

| | |

Темы

Введенный в R2017a

Документация Statistics and Machine Learning Toolbox

Поддержка