predict
説明
yFit = predict(Mdl,X,Name,Value)'IncludeInteractions',true は、計算に交互作用項を含めるために指定します。
[ は、前の構文におけるいずれかの入力引数の組み合わせを使用して、予測子データ yFit,ySD,yInt] = predict(___)X 内の各観測値で評価した応答変数の標準偏差と予測区間も返します。この構文は、Mdl の学習に fitrgam の 'FitStandardDeviation' を true として指定し、Mdl の IsStandardDeviationFit プロパティが true である場合のみ有効です。
例
学習標本を使用して一般化加法モデルに学習させてから、テスト標本応答を予測します。
patients データ セットを読み込みます。
load patients予測子変数 (Age、Diastolic、Smoker、Weight、Gender、SelfAssessedHealthStatus) と応答変数 (Systolic) を格納する table を作成します。
tbl = table(Age,Diastolic,Smoker,Weight,Gender,SelfAssessedHealthStatus,Systolic);
観測値を学習セットとテスト セットに無作為に分割します。テスト用に 10% のホールドアウト標本を指定します。
rng('default') % For reproducibility cv = cvpartition(size(tbl,1),'HoldOut',0.10);
学習インデックスとテスト インデックスを抽出します。
trainInds = training(cv); testInds = test(cv);
tbl 内の予測子の線形項が格納されている一変量の GAM に学習させます。
Mdl = fitrgam(tbl(trainInds,:),'Systolic')Mdl =
RegressionGAM
PredictorNames: {'Age' 'Diastolic' 'Smoker' 'Weight' 'Gender' 'SelfAssessedHealthStatus'}
ResponseName: 'Systolic'
CategoricalPredictors: [3 5 6]
ResponseTransform: 'none'
Intercept: 122.7444
IsStandardDeviationFit: 0
NumObservations: 90
Properties, Methods
Mdl は RegressionGAM モデル オブジェクトです。
テスト セットの応答を予測します。
yFit = predict(Mdl,tbl(testInds,:));
観測応答値と予測応答値を格納する table を作成します。
table(tbl.Systolic(testInds),yFit, ... 'VariableNames',{'Observed Value','Predicted Value'})
ans=10×2 table
Observed Value Predicted Value
______________ _______________
124 126.58
121 123.95
130 116.72
115 117.35
121 117.45
116 118.5
123 126.16
132 124.14
125 127.36
124 115.99
予測子の線形項と交互作用項の両方が格納されている一般化加法モデルを使用して、新しい観測値の応答を予測します。メモリ効率の高いモデル オブジェクトを使用し、応答を予測する際に交互作用項を含めるかどうかを指定します。
carbig データ セットを読み込みます。このデータ セットには、1970 年代と 1980 年代初期に製造された自動車の測定値が格納されています。
load carbig予測子変数 (X) として Acceleration、Displacement、Horsepower および Weight を、応答変数 (Y) として MPG を指定します。
X = [Acceleration,Displacement,Horsepower,Weight]; Y = MPG;
データ セットを 2 つのセットに分割します。1 つは学習データを含め、もう 1 つは新しい未観測のテスト データを含めます。新しいテスト データ セットの 10 件の観測値を保持します。
rng('default')
n = size(X,1);
newInds = randsample(n,10);
inds = ~ismember(1:n,newInds);
XNew = X(newInds,:);
YNew = Y(newInds);X 内の使用可能なすべての線形項と交互作用項が格納されている GAM に学習させます。
Mdl = fitrgam(X(inds,:),Y(inds),'Interactions','all');
Mdl は RegressionGAM モデル オブジェクトです。
学習させたモデルのサイズを減らし、メモリの消費量を抑えます。
CMdl = compact(Mdl); whos('Mdl','CMdl')
Name Size Bytes Class Attributes CMdl 1x1 1255766 classreg.learning.regr.CompactRegressionGAM Mdl 1x1 1289882 RegressionGAM
CMdl は CompactRegressionGAM モデル オブジェクトです。
線形項と交互作用項の両方を使用して応答を予測してから、線形項のみを使用して応答を予測します。交互作用項を除外するには、'IncludeInteractions',false を指定します。
yFit = predict(CMdl,XNew);
yFit_nointeraction = predict(CMdl,XNew,'IncludeInteractions',false);観測応答値と予測応答値を格納する table を作成します。
t = table(YNew,yFit,yFit_nointeraction, ... 'VariableNames',{'Observed Response', ... 'Predicted Response','Predicted Response Without Interactions'})
t=10×3 table
Observed Response Predicted Response Predicted Response Without Interactions
_________________ __________________ _______________________________________
27.9 23.04 23.649
NaN 37.163 35.779
NaN 25.876 21.978
13 12.786 14.141
36 28.889 27.281
19.9 22.199 18.451
24.2 23.995 24.885
12 14.247 13.982
38 33.797 33.528
13 12.225 11.127
一般化加法モデル (GAM) に学習させてから、応答値の予測区間を計算し、プロットします。
patients データ セットを読み込みます。
load patients予測子変数 (Age、Diastolic、Smoker、Weight、Gender、SelfAssessedHealthStatus) と応答変数 (Systolic) を格納する table を作成します。
tbl = table(Age,Diastolic,Smoker,Weight,Gender,SelfAssessedHealthStatus,Systolic);
tbl 内の予測子の線形項が格納されている一変量の GAM に学習させます。学習済みモデルを使用して予測区間を計算できるように、名前と値の引数 FitStandardDeviation を true として指定します。標準偏差モデルを標準偏差推定の精度に当てはめる場合、最適なハイパーパラメーターの使用が推奨されます。'all-univariate' として 'OptimizeHyperparameters' を指定します。再現性を得るために、'expected-improvement-plus' の獲得関数を使用します。'ShowPlots' を false として、'Verbose' を 0 として指定し、プロットの表示とメッセージの表示をそれぞれ無効にします。
rng('default') % For reproducibility Mdl = fitrgam(tbl,'Systolic','FitStandardDeviation',true, ... 'OptimizeHyperparameters','all-univariate', ... 'HyperparameterOptimizationOptions',struct('AcquisitionFunctionName','expected-improvement-plus', ... 'ShowPlots',false,'Verbose',0))
Mdl =
RegressionGAM
PredictorNames: {'Age' 'Diastolic' 'Smoker' 'Weight' 'Gender' 'SelfAssessedHealthStatus'}
ResponseName: 'Systolic'
CategoricalPredictors: [3 5 6]
ResponseTransform: 'none'
Intercept: 122.7800
IsStandardDeviationFit: 1
NumObservations: 100
HyperparameterOptimizationResults: [1×1 BayesianOptimization]
Properties, Methods
Mdl は、最適な推定実行可能点を使用する RegressionGAM モデル オブジェクトです。最適な推定実行可能点は、ベイズ最適化プロセスの基となる目的関数モデルに基づいて目的関数値の信頼限界の上限を最小化するハイパーパラメーターのセットを示します。最適化プロセスの詳細については、OptimizeHyperparameters を使用した GAM の最適化を参照してください。
tbl 内の学習データの応答を予測し、応答変数の 99% の予測区間を計算します。有意水準 ('Alpha') を 0.01 として指定し、予測区間の信頼水準を 99% に設定します。
[yFit,~,yInt] = predict(Mdl,tbl,'Alpha',0.01);並べ替えられた真の応答を予測応答および予測区間と一緒にプロットします。
figure yTrue = tbl.Systolic; [sortedYTrue,I] = sort(yTrue); plot(sortedYTrue,'o') hold on plot(yFit(I)) plot(yInt(I,1),'k:') plot(yInt(I,2),'k:') legend('True responses','Predicted responses', ... 'Prediction interval limits','Location','best') hold off
入力引数
名前と値の引数
出力引数
アルゴリズム
バージョン履歴
R2021a で導入
