SparseFiltering
稀疏滤波特征提取
描述
SparseFiltering
使用稀疏过滤学习将输入预测器映射到新预测器的转换。
创建
创建一个SparseFiltering
对象使用sparsefilt
函数。
属性
FitInfo
- - - - - -历史拟合
结构
此属性是只读的。
拟合历史,返回为具有两个字段的结构:
迭代
-从0到最终迭代的迭代次数。客观的
-每个迭代对应的目标函数值。迭代0对应于任何拟合之前的初始值。
数据类型:结构体
InitialTransformWeights
- - - - - -初始特征转换权重
p
——- - - - - -问
矩阵
此属性是只读的。
初始特征转换权重,返回为p
——- - - - - -问
矩阵,p
是否传入了预测器的数量X
而且问
是你想要的功能的数量。这些权重是传递给创建函数的初始权重。训练数据时,数据类型为单一X
是单身。
数据类型:单
|双
ModelParameters
- - - - - -用于训练模型的参数
结构
此属性是只读的。
用于训练模型的参数,作为结构返回。类对应的字段的子集sparsefilt
在模型创建期间起作用的名称-值对:
IterationLimit
VerbosityLevel
λ
标准化
GradientTolerance
StepTolerance
详细信息请参见sparsefilt
文档中的名称-值对。
数据类型:结构体
μ
- - - - - -预测器意味着标准化
p
——- - - - - -1
向量
此属性是只读的。
预测器表示标准化时,返回为p
——- - - - - -1
向量。时,此属性为非空标准化
名值对为真正的
在模型创建。该值为训练数据中预测器均值的向量。训练数据时,数据类型为单一X
是单身。
数据类型:单
|双
NumLearnedFeatures
- - - - - -输出特性数量
正整数
NumPredictors
- - - - - -输入预测器的数量
正整数
σ
- - - - - -标准化时的预测标准偏差
p
——- - - - - -1
向量
此属性是只读的。
标准化时的预测因子标准差,返回为p
——- - - - - -1
向量。时,此属性为非空标准化
名值对为真正的
在模型创建。该值是训练数据中预测器标准差的向量。训练数据时,数据类型为单一X
是单身。
数据类型:单
|双
TransformWeights
- - - - - -特征转换权重
p
——- - - - - -问
矩阵
此属性是只读的。
特征转换权重,返回为p
——- - - - - -问
矩阵,p
是否传入了预测器的数量X
而且问
是你想要的功能的数量。训练数据时,数据类型为单一X
是单身。
数据类型:单
|双
对象的功能
变换 |
将预测器转换为提取的特征 |
例子
创建稀疏过滤器
创建一个SparseFiltering
对象。sparsefilt
函数。
加载SampleImagePatches
图像补丁。
数据=负载(“SampleImagePatches”);大小(data.X)
ans =1×25000 363
共有5000个图像补丁,每个补丁包含363个特征。
从数据中提取100个特征。
rng默认的%用于重现性Q = 100;Obj = sparsefilt(数据。X,问,“IterationLimit”, 100)
警告:求解器LBFGS无法收敛到解。
obj = SparseFiltering ModelParameters: [1x1 struct] NumPredictors: 363 NumLearnedFeatures: 100 Mu: [] Sigma: [] FitInfo: [1x1 struct] TransformWeights: [363x100 double] InitialTransformWeights: [] Properties, Methods
sparsefilt
发出警告,因为它由于达到迭代限制而停止,而不是达到步长限制或梯度大小限制。方法,仍然可以在返回的对象中使用学到的特性变换
函数。
版本历史
在R2017a中介绍
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。