CompactRegressionNeuralNetwork
紧凑型神经网络回归模型
描述
CompactRegresionNeuralNetwork
是紧凑型的RegressionNeuralNetwork
模型对象。紧凑模型不包括用于训练回归模型的数据。因此,您不能使用紧凑模型执行一些任务,例如交叉验证。对于预测新数据的响应值等任务,使用紧凑的模型。
创建
创建一个CompactRegressionNeuralNetwork
对象从完整的RegressionNeuralNetwork
通过使用紧凑的
.
属性
神经网络属性
LayerSizes
- - - - - -完全连接层的大小
正整数向量
此属性是只读的。
神经网络模型中完全连接层的大小,作为正整数向量返回。的我th元素LayerSizes
输出的数量是我神经网络模型的全连通层。
LayerSizes
不包括最终完全连接层的大小。这个层总是有一个输出。
数据类型:单
|双
LayerWeights
- - - - - -学习层的重量
单元阵列
此属性是只读的。
学习了完全连接层的层权值,作为单元格数组返回。的我单元格数组中的条目对应于的层权重我完全连接层。例如,Mdl。LayerWeights {1}
返回模型的第一个完全连接层的权值Mdl
.
LayerWeights
包括最终全连接层的权值。
数据类型:细胞
LayerBiases
- - - - - -学习层的偏见
单元阵列
此属性是只读的。
学习了完全连接层的层偏差,作为单元格数组返回。的我单元格数组中的条目对应于的层偏差我完全连接层。例如,Mdl。LayerBiases {1}
返回模型的第一个完全连接层的偏差Mdl
.
LayerBiases
包括最终全连接层的偏差。
数据类型:细胞
激活
- - - - - -全连通层的激活功能
“relu”
|的双曲正切
|“乙状结肠”
|“没有”
|字符向量的单元格数组
此属性是只读的。
神经网络模型的全连接层的激活函数,作为具有该表值的字符向量或字符向量的单元格数组返回。
价值 | 描述 |
---|---|
“relu” |
整流线性单元(ReLU)函数—对输入的每个元素执行阈值操作,其中任何小于零的值都被设为零,即:
|
的双曲正切 |
双曲正切(tanh)函数——应用 |
“乙状结肠” |
Sigmoid函数——对每个输入元素执行以下操作:
|
“没有” |
恒等函数——返回每个输入元素,而不执行任何转换,即f(x) =x |
如果
激活
仅包含一个激活函数,则为神经网络模型中每一全连通层的激活函数,不包括最后一全连通层,该全连通层没有激活函数(OutputLayerActivation
).如果
激活
是一个数组的激活函数,那么我元素是激活函数我第层神经网络模型。
数据类型:字符
|细胞
OutputLayerActivation
- - - - - -最后全连通层的激活功能
“没有”
此属性是只读的。
最终全连接层的激活函数,返回为“没有”
.
数据属性
PredictorNames
- - - - - -预测变量的名字
字符向量的单元格数组
此属性是只读的。
预测器变量名,作为字符向量的单元格数组返回。元素的顺序PredictorNames
对应于预测器名称在训练数据中出现的顺序。
数据类型:细胞
CategoricalPredictors
- - - - - -分类预测指标
正整数向量|[]
此属性是只读的。
分类预测器索引,作为正整数的向量返回。假设预测数据包含成行的观察结果,CategoricalPredictors
包含与包含类别预测器的预测器数据的列对应的索引值。如果没有一个预测器是绝对的,则此属性为空([]
).
数据类型:双
ExpandedPredictorNames
- - - - - -扩大了预测的名字
字符向量的单元格数组
此属性是只读的。
扩展的预测器名称,作为字符向量的单元格数组返回。如果模型对分类变量使用编码,则ExpandedPredictorNames
包括描述展开变量的名称。否则,ExpandedPredictorNames
和PredictorNames
.
数据类型:细胞
ResponseName
- - - - - -响应变量名
特征向量
此属性是只读的。
响应变量名,作为字符向量返回。
数据类型:字符
ResponseTransform
- - - - - -响应转换函数
“没有”
此属性是只读的。
响应转换函数,返回为“没有”
.该软件不转换原始响应值。
对象的功能
解释预测
石灰 |
局部可解释模型不可知解释(LIME) |
partialDependence |
计算部分依赖 |
plotPartialDependence |
创建偏依赖图(PDP)和个体条件期望图(ICE) |
沙普利 |
沙普利值 |
例子
缩小回归神经网络模型的规模
通过从模型中删除训练数据来减小完整回归神经网络模型的大小。您可以使用一个紧凑的模型来提高内存效率。
加载病人
数据集。从数据集创建一个表。每一行对应一个病人,每列对应一个诊断变量。使用收缩压
变量作为响应变量,其余变量作为预测变量。
负载病人台=表(年龄、舒张压、性别、身高、吸烟,体重,收缩期);
利用数据训练回归神经网络模型。指定收缩压
列的tblTrain
作为响应变量。指定以标准化数值预测器。
Mdl = fitrnet(资源描述,“收缩”,“标准化”,真正的)
Mdl = RegressionNeuralNetwork PredictorNames: {1x6 cell} ResponseName: 'Systolic' CategoricalPredictors: [3 5] ResponseTransform: 'none' NumObservations: 100 LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'none' Solver: 'LBFGS' ConvergenceInfo: [1x1 struct] TrainingHistory: [648x7 table] Properties, Methods
Mdl
是一个完整的RegressionNeuralNetwork
模型对象。
减小模型的尺寸使用紧凑的
.
compactMdl =紧凑(Mdl)
compactMdl = CompactRegressionNeuralNetwork LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'none' Properties, Methods
compactMdl
是一个CompactRegressionNeuralNetwork
模型对象。compactMdl
包含比完整模型更少的属性Mdl
.
显示每个神经网络模型使用的内存数量。
谁(“Mdl”,“compactMdl”)
名称大小字节类属性Mdl 1x1 53110 RegressionNeuralNetwork compactMdl 1x1 5991 classreg.learning.regr.CompactRegressionNeuralNetwork . clasreg .learning.regr
完整的模型比紧凑的模型大。
版本历史
介绍了R2021a
MATLAB命令
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。