Main Content

このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

ガウス過程回帰

ガウス過程回帰モデル (クリギング)

ガウス過程回帰 (GPR) モデルは、ノンパラメトリックなカーネルベースの確率モデルです。GPR モデルに対話的に学習させるには、回帰学習器アプリを使用します。柔軟性を向上させるには、コマンド ラインで関数 fitrgp を使用して GPR モデルに学習させます。学習後、モデルと新しい予測子データをオブジェクト関数 predict に渡すことにより、新しいデータについて応答を予測できます。

アプリ

回帰学習器教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる

ブロック

RegressionGP Predictガウス過程 (GP) 回帰モデルの使用による応答の予測 (R2022a 以降)

関数

すべて展開する

fitrgpガウス過程回帰 (GPR) モデルの近似
compact機械学習モデルのサイズの縮小
templateGPGaussian process template (R2023b 以降)
limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 以降)
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
shapleyシャープレイ値 (R2021a 以降)
crossval機械学習モデルの交差検証
kfoldLoss交差検証された分割済みの回帰モデルの損失
kfoldPredict交差検証済み回帰モデル内の観測値に対する応答の予測
kfoldfun回帰での関数の交差検証
lossガウス過程回帰モデルの回帰誤差
resubLoss再代入回帰損失
postFitStatistics厳密ガウス過程回帰モデルの当てはめ統計量の計算
predictガウス過程回帰モデルの予測応答
resubPredict学習済み回帰モデルを使用した学習データについての応答の予測

オブジェクト

RegressionGPガウス過程回帰モデル
CompactRegressionGPコンパクトなガウス過程回帰モデル クラス
RegressionPartitionedGP交差検証ガウス過程回帰 (GPR) モデル (R2022b 以降)

トピック