Алгоритмы выбора линейных регрессионных моделей (практика)/Вспомогательные функции

Материал из MachineLearning.

Текущая версия

Основная статья: Алгоритмы выбора линейных регрессионных моделей (практика)

Навигатор по уже реализованным общеполезным функциям. Подобные описания можно посмотреть в соответствующих исходных файлах.

Если добавляете новые функции, то полезно их заносить в этот список, чтобы был легко обнаружить всем интересующимся.

Работа с масками - векторами булевых переменных

Маска представляет собой логический вектор-столбец. Например, logical(rand(5,1) > 0.5). Набор масок - матрица из таких столбцов.

nextmask

Генерирует следующую по лексикографическому порядку маску. Т.е. добавляет единицу, если представить маску как бинарное число. Полезно при переборе различных масок.

randmask

Генерирует случайную маску согласно заданным распределениям вероятностей. Задается необходимое количество единичек.

subsets

Генерирует всевозможные маски заданной длины. Работает быстро, но требует большого объема памяти.

filtermasks

Обрабатывает набор масок, удаляя повторы, маски из одних нулей и маски с количеством единиц, большим указанного.

Функционалы скользящего контроля

testmask

Возвращает функционал качества, используя признаки, заданные маской.

cvqfoldsout

На каждой итерации разбивает выборку на обучающую и проверочную случайным образом в заданных пропорциях.

Разное

splitdata

Генерирует два непересекающихся набора индексов, случайно разбивая массив заданной длины.

normcoefs

Вычисляет коэффициенты для нормировки ненулевых вектор-столбцов матрицы так, чтобы их евклидова длина стала равна 1.