Exponenta Banner

resume

Класс: RegressionSVM

Возобновите учебную модель регрессии машины опорных векторов

расширьте все на странице

Синтаксис

updatedMdl = resume(mdl,numIter)
updatedMdl = resume(mdl,numIter,Name,Value)

Описание

updatedMdl = resume(mdl,numIter) возвращает обновленную модель регрессии машины опорных векторов (SVM), updatedMdl, по образованию модель для дополнительного количества итераций, как задано numIter.

resume применяет те же опции обучения к updatedMdl то, что вы устанавливаете при использовании fitrsvm обучать mdl.

updatedMdl = resume(mdl,numIter,Name,Value) возвращает обновленную модель регрессии SVM с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

развернуть все

Полная, обученная модель регрессии SVM в виде RegressionSVM модель обучила использование fitrsvm.

Количество итераций, чтобы продолжить обучение модель регрессии SVM в виде положительного целочисленного значения.

Типы данных: single | double

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Уровень многословия в виде разделенной запятой пары, состоящей из 'Verbose' и любой 0, 1, или 2. Verbose управляет суммой информации об оптимизации, что отображения программного обеспечения к Командному окну и сохранены в модели как mdl.ModelParameters.VerbosityLevel.

По умолчанию, Verbose значение это fitrsvm используемый, чтобы обучить mdl.

Пример: 'Verbose',1

Типы данных: single | double

Количество итераций между диагностическими распечатками сообщения в виде разделенной запятой пары, состоящей из 'NumPrint' и неотрицательное целое число.

Если вы устанавливаете 'Verbose',1 и 'NumPrint',numprint, затем программное обеспечение отображает сообщения диагностики оптимизации к Командному окну каждое количество numprint итераций.

По умолчанию, NumPrint значение это fitrsvm используемый, чтобы обучить mdl.

Пример: 'NumPrint',500

Типы данных: single | double

Выходные аргументы

развернуть все

Обновленная модель регрессии SVM, возвращенная как RegressionSVM модель.

Примеры

развернуть все

В этом примере показано, как возобновить обучение модель регрессии SVM, которой не удалось сходиться, не перезапуская целый процесс обучения.

Загрузите carsmall набор данных.

load carsmall
rng default  % for reproducibility

Задайте Acceleration, Cylinders, Displacement, Horsepower, и Weight как переменные предикторы (X) и MPG как переменная отклика (Y).

X = [Acceleration,Cylinders,Displacement,Horsepower,Weight];
Y = MPG;

Обучите линейную модель регрессии SVM. В целях рисунка, установленных предел итерации к 50. Стандартизируйте данные.

mdl = fitrsvm(X,Y,'IterationLimit',50,'Standardize',true);

Проверяйте, чтобы подтвердить, сходилась ли модель.

mdl.ConvergenceInfo.Converged
ans =

     0

Возвращенное значение 0 указывает, что модель не сходилась.

Возобновите обучение модель для еще до 100 итераций.

updatedMdl = resume(mdl,100);

Проверяйте, чтобы подтвердить, сходилась ли обновленная модель.

updatedMdl.ConvergenceInfo.Converged
ans =

     1

Возвращенное значение 1 указывает, что обновленная модель действительно сходилась.

Проверяйте причину сходимости и общего количества требуемых итераций.

updatedMdl.ConvergenceInfo.ReasonForConvergence
updatedMdl.NumIterations
ans =

FeasibilityGap


ans =

    97

Модель сходилась, потому что разрыв выполнимости достиг своего значения допуска после 97 итераций.

Советы

Если оптимизация не сходилась и 'Solver' установлен в 'SMO' или 'ISDA', затем попытайтесь возобновить обучение модель регрессии SVM.

Смотрите также

|

Введенный в R2015b

Документация Statistics and Machine Learning Toolbox

Поддержка