rbf预测数学代码PEMF用户指南 版本2016.v1 模型保真度的预测估计（PEMF）是一种与模型无关的方法来量化替代模型误差。 PEMF将模型训练器，要在其上训练模型的样本数据以及要应用于模型的超参数值用作输入。 作为输出，它提供了替代模型中中值或最大误差的估计值。 ％欢迎任何反馈或评论。 请引导他们到 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%% ％首次使用说明 ％>为了从任何地方调用PEMF，请将路径添加到PEMF目录 ％ ％>为了使用任何第三方代理建模包 ％（例如，对于Kriging为“ dace”，对于SVR为“ Libsvm”）， ％将其放在“ / Models”子文件夹中 包含的百分比型号代码：径向基函数或RBF（具有5种不同的内核） 已测试的第三方模型百分比：克里格（DACE）和SVR（LibSVM）。 可以在以下位置找到它们： ％DACE： ％LibSVM： ％>尝试示例demo_PEMF（在Examples目录下）以了解如何使用PEMF %%%%%%%%%%%%%%%%%%%%%

采用LMS算法实现线性预测估计，分别使用不同的抽头系数。