Main Content

가우스 과정 회귀

가우스 과정 회귀 모델(크리깅 보간)

가우스 과정 회귀(GPR) 모델은 비모수 커널 기반의 확률적 모델입니다. GPR 모델을 대화형 방식으로 훈련시키려면 회귀 학습기 앱을 사용하십시오. 명령줄에서 fitrgp 함수를 사용하여 GPR 모델을 훈련시키면 유연성을 높일 수 있습니다. 훈련 후에는 모델과 새로운 예측 변수 데이터를 predict 객체 함수에 전달하여 새로운 데이터에 대한 응답 변수를 예측할 수 있습니다.

회귀 학습기머신러닝 지도 학습을 사용하여 데이터를 예측하도록 회귀 모델 훈련시키기

블록

RegressionGP PredictPredict responses using Gaussian process (GP) regression model (R2022a 이후)

함수

모두 확장

fitrgp가우스 과정 회귀(GPR) 모델 피팅
compactReduce size of machine learning model
templateGPGaussian process template (R2023b 이후)
limeLocal interpretable model-agnostic explanations (LIME) (R2020b 이후)
partialDependenceCompute partial dependence (R2020b 이후)
plotPartialDependenceCreate partial dependence plot (PDP) and individual conditional expectation (ICE) plots
shapleyShapley values (R2021a 이후)
crossvalCross-validate machine learning model
kfoldLossLoss for cross-validated partitioned regression model
kfoldPredictPredict responses for observations in cross-validated regression model
kfoldfunCross-validate function for regression
lossRegression error for Gaussian process regression model
resubLossResubstitution regression loss
postFitStatisticsCompute post-fit statistics for the exact Gaussian process regression model
predictPredict response of Gaussian process regression model
resubPredictPredict responses for training data using trained regression model

객체

RegressionGPGaussian process regression model
CompactRegressionGPCompact Gaussian process regression model class
RegressionPartitionedGPCross-validated Gaussian process regression (GPR) model (R2022b 이후)

도움말 항목