最新のリリースでは、このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。

predict

ガウスカーネル回帰モデルの応答を予測

ページ内をすべて折りたたむ

構文

YFit = predict(Mdl,X)

説明

例

YFit = predict(Mdl,X) は、バイナリガウスカーネル回帰モデル Mdl に基づいて、予測子データ X 内の各観測値について予測した応答を返します。

例

すべて折りたたむ

テストセットの応答の予測

ライブスクリプトを開く

carbig データセットについてガウスカーネル回帰モデルを使用して、テストセットの応答を予測します。

carbig データセットを読み込みます。

load carbig

予測子変数 (X) と応答変数 (Y) を指定します。

X = [Weight,Cylinders,Horsepower,Model_Year];
Y = MPG;

配列 X および Y から、それぞれの配列で NaN 値が含まれている行を削除します。NaN 値が含まれている行を削除してからデータを fitrkernel に渡すと、学習が高速化され、メモリ使用量が少なくなります。

R = rmmissing([X Y]); 
X = R(:,1:4); 
Y = R(:,end);

観測値の 10% をホールドアウト標本として予約します。学習インデックスとテストインデックスを分割の定義から抽出します。

rng(10)  % For reproducibility 
N = length(Y); 
cvp = cvpartition(N,'Holdout',0.1);
idxTrn = training(cvp); % Training set indices
idxTest = test(cvp);    % Test set indices

学習データを標準化し、カーネル回帰モデルに学習をさせます。

Xtrain = X(idxTrn,:);
Ytrain = Y(idxTrn);
[Ztrain,tr_mu,tr_sigma] = zscore(Xtrain); % Standardize the training data
tr_sigma(tr_sigma==0) = 1;
Mdl = fitrkernel(Ztrain,Ytrain)

Mdl = 
  RegressionKernel
              ResponseName: 'Y'
                   Learner: 'svm'
    NumExpansionDimensions: 128
               KernelScale: 1
                    Lambda: 0.0028
             BoxConstraint: 1
                   Epsilon: 0.8617


  Properties, Methods

Mdl は RegressionKernel モデルです。

学習データの列と同じ平均および標準偏差を使用してテストデータを標準化します。テストセットの応答を予測します。

Xtest = X(idxTest,:);
Ztest = (Xtest-tr_mu)./tr_sigma; % Standardize the test data
Ytest = Y(idxTest);

YFit = predict(Mdl,Ztest);

最初の 10 個の観測された応答値と予測された応答値が格納されているテーブルを作成します。

table(Ytest(1:10),YFit(1:10),'VariableNames',...
    {'ObservedValue','PredictedValue'})

ans=10×2 table
    ObservedValue    PredictedValue
    _____________    ______________

         18              17.616    
         14              25.799    
         24              24.141    
         25              25.018    
         14              13.637    
         14              14.557    
         18              18.584    
         27              26.096    
         21              25.031    
         13              13.324

平均二乗誤差損失関数を使用して、テストセットの回帰損失を推定します。