Алгоритмы выбора линейных регрессионных моделей (практика)/Вспомогательные функции
Материал из MachineLearning.
(→subsets) |
м (→filtermasks) |
||
| Строка 14: | Строка 14: | ||
=== [https://mlalgorithms.svn.sourceforge.net/svnroot/mvr/mdlselection/code/filtermasks.m filtermasks] === | === [https://mlalgorithms.svn.sourceforge.net/svnroot/mvr/mdlselection/code/filtermasks.m filtermasks] === | ||
| - | Обрабатывает набор масок, удаляя повторы, нулевые и с излишком элементов. | + | Обрабатывает набор масок, удаляя повторы, нулевые и с излишком элементов. TODO |
== Функционалы скользящего контроля == | == Функционалы скользящего контроля == | ||
Версия 10:07, 16 января 2010
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.
Содержание |
Работа с масками - векторам булевых переменных
Маска представляет собой логический вектор-столбец. Например, logical(rand(5,1) > 0.5). Набор масок - матрица из таких столбцов.
nextmask
Если представить маску как бинарное число, то добавляет единичку TODO. 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, нулевые и с излишком элементов. TODO
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.
