RegressionPartitionedKernel
説明
RegressionPartitionedKernel
は、交差検証分割に対して学習をさせた一連のカーネル回帰モデルです。交差検証済みのカーネル回帰モデルを取得するには、fitrkernel
を使用して交差検証オプションのいずれかを指定します。モデルの予測品質や、線形回帰モデルがどの程度一般化を行うかは、kfold メソッド kfoldPredict
および kfoldLoss
を 1 つ以上使用して評価できます。
すべての "kfold" メソッドは、"学習分割" 観測値に対して学習をさせたモデルを使用して、"検証分割" 観測値に対する応答を予測します。たとえば、データを 5 つに分割して交差検証を行うとします。この場合、ほぼ等しいサイズの 5 つのグループに各観測値が無作為に割り当てられます。"学習分割" にはグループのうち 4 つ (データの約 4/5) が含まれ、"検証分割" には残りのグループ (データの約 1/5) が含まれます。この場合、交差検証は次のように処理されます。
CVMdl.Trained{1}
に保存されている最初のモデルは、後の 4 グループの観測値によって学習され、最初のグループの観測値を検証用に保存します。(
CVMdl.Trained{2}
に格納されている) 2 番目のモデルの学習には、1 番目のグループと最後の 3 つのグループの観測値が使用されます。2 番目のグループの観測値は、検証用に予約されます。3 ~ 5 番目のモデルについて同様の処理が行われます。
kfoldPredict
を呼び出して検証する場合、最初のモデルを使用してグループ 1 の観測に対する予測が計算され、2 番目のモデルにはグループ 2 が計算され、以降同様です。つまり、それぞれの観測値に対する応答は、その観測値ではなく学習したモデルによって推定されます。
メモ
RegressionPartitionedKernel
モデル オブジェクトに予測子データセットは格納されません。
作成
関数 fitrkernel
を使用して RegressionPartitionedKernel
オブジェクトを作成します。fitrkernel
を呼び出すときに、名前と値のペアの引数 'CrossVal'
、'CVPartition'
、'Holdout'
、'KFold'
、'Leaveout'
のいずれかを使用します。詳細については、関数 fitrkernel
のリファレンス ページを参照してください。
プロパティ
オブジェクト関数
kfoldLoss | 交差検証済みカーネル回帰モデルの回帰損失 |
kfoldPredict | 交差検証済みカーネル回帰モデル内の観測値に対する応答の予測 |
例
バージョン履歴
R2018b で導入