matlab多元参数非线性回归模型代码-Multi-output-Gaussian-Process:多输出高斯过程

上传者: 38547421 | 上传时间: 2021-09-12 00:55:23 | 文件大小: 14KB | 文件类型: ZIP
matlab多元参数非线性回归模型代码多输出高斯过程 多输出回归 在多输出回归(多目标,多变量或多响应回归)中,我们旨在预测多个实值输出变量。 一种简单的方法可能是使用单个输出回归模型的组合。 但是这种方法有一些缺点和局限性[]: 训练多个单输出模型需要很长时间。 每个单个输出模型都针对一个特定目标(而不是所有目标的组合)进行了培训和优化。 在许多情况下,目标之间具有很强的相互依赖性和相关性。 单个输出模型无法捕获此关系。 为了解决此缺点和局限性,我们寻求一种多输出回归方法,该方法不仅可以考虑输入因素与相应目标之间的关系,还可以考虑目标之间的关系,从而对多输出数据集进行建模。 已经针对多输出问题开发了几种回归方法。 单击此处,对这些方法进行详尽的回顾。 例如,多目标SVM或随机森林是最受欢​​迎的两种。 在这项研究中,我正在提出和实施一种使用高斯过程(GP)模型进行多输出回归的新技术。 单变量GP 首先让我们开始介绍单变量GP。 单变量GP在函数上定义了高斯分布,可用于非线性回归,分类,排名,偏好学习或有序回归。 与其他回归技术相比,单变量GP具有多个优点: 在受计算量大的数据集限制的

文件下载

资源详情

[{"title":"( 17 个子文件 14KB ) matlab多元参数非线性回归模型代码-Multi-output-Gaussian-Process:多输出高斯过程","children":[{"title":"Multi-output-Gaussian-Process-master","children":[{"title":"subprograms","children":[{"title":"predict_resp.m <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":"MRSM.m <span style='color:#111;'> 1.90KB </span>","children":null,"spread":false},{"title":"trend_fun.m <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"tune_hyper.m <span style='color:#111;'> 571B </span>","children":null,"spread":false},{"title":"define_covmatrix.m <span style='color:#111;'> 702B </span>","children":null,"spread":false},{"title":"covSEard.m <span style='color:#111;'> 177B </span>","children":null,"spread":false},{"title":"initial_hyper.m <span style='color:#111;'> 357B </span>","children":null,"spread":false},{"title":"max_restr_likelihood.m <span style='color:#111;'> 1.85KB </span>","children":null,"spread":false},{"title":"find_beta.m <span style='color:#111;'> 263B </span>","children":null,"spread":false},{"title":"rest_log_likelihood.m <span style='color:#111;'> 1023B </span>","children":null,"spread":false},{"title":"sq_dist.m <span style='color:#111;'> 1.92KB </span>","children":null,"spread":false},{"title":"max_likelihood.m <span style='color:#111;'> 524B </span>","children":null,"spread":false},{"title":"log_likelihood.m <span style='color:#111;'> 433B </span>","children":null,"spread":false},{"title":"poschol.m <span style='color:#111;'> 172B </span>","children":null,"spread":false}],"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.53KB </span>","children":null,"spread":false},{"title":"example.m <span style='color:#111;'> 4.71KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明