PredictorFunction

PredictorFunction[…]

表示由 Predict 产生的函数，可以由数据预测数值.

更多信息和选项

  • PredictorFunction 的功能类似于 Function.
  • PredictorFunction[…][data] 试图预测和 data 相关联的数值.
  • PredictorFunction[…][{data1,data2,…}] 试图预测所有的 datai.
  • PredictorFunction[…][data,prop] 给出和 data 相关联的预测的指定属性.
  • 适用于所有方法的可能属性为：
  • "Decision"根据分布和效用函数做出最佳预测
    "Distribution"根据输入调整分布
    "SHAPValues"每个样例的 Shapley 加性特征解释
    "Properties"列出所有可用属性
  • "SHAPValues" 通过对不同特征集合的删除与合成比较预测来评估特征的贡献. 选项 MissingValueSynthesis 可用于指定如何合成缺失的特征. SHAP 解释是作为训练输出平均值的偏差给出的. "SHAPValues"n 可用于控制用于 SHAP 解释数值估计的样本数.
  • PredictorFunction[…][data,…,opts] 规定当应用于 data 时，预测器应使用选项 opts.
  • 可能的选项：
  • IndeterminateThreshold Automatic如果小于本选项指定的概率密度，返回 Indeterminate
    PerformanceGoal Automatic优化目标
    MissingValueSynthesis Automatic如何合成缺失值
    RecalibrationFunction Automatic如何对预测值进行后处理
    TargetDevice "CPU"要在其上执行训练的目标设备
    UtilityFunction Automatic由实际值和预测值表示的效用函数
  • 用旧版的 Wolfram 语言训练的 PredictorFunction[…] 在当前版本中仍然可以使用.
  • Predict[FittedModel[…]] 可用于将拟合模型转换为 PredictorFunction[…].
  • Predict[PredictorFunction[…],opts] 可用于更新分类器的 PerformanceGoal、IndeterminateThreshold、UtilityFunction 或 FeatureExtractor 的值.
  • 在 Predict[PredictorFunction[…],FeatureExtractorfe] 中， FeatureExtractorFunction[…] fe 将预置到现有的特征提取器.
  • Information[PredictorFunction[…]] 产生关于分类器和估计性能的信息面板.
  • Information[PredictorFunction[…],prop] 可用于获取指定属性.
  • PredictorFunction[…] 的 Information 可包括以下属性：
  • "BatchEvaluationTime"边际时间预测给定批次的范例
    "EvaluationTime"预测一个范例需要的时间
    "ExampleNumber"训练的范例数目
    "FeatureTypes"预测器输入的特征类型
    "FunctionMemory"存储预测器需要的内存
    "FunctionProperties"该预测器可用的所有预测属性
    "IndeterminateThreshold"预测器使用的 IndeterminateThreshold 值
    "LearningCurve"作为训练集合大小函数的性能
    "MaxTrainingMemory"培训时使用的最大内存
    "MeanCrossEntropy"估计的预测器的平均交叉熵
    "Method"预测器使用的 Method 值
    "MethodDescription"方法总结
    "MethodOption"在新的培训中重新使用的完整方法选项
    "MethodParameters"该方法的参数设定
    "Properties"该预测器可用的所有信息属性
    "StandardDeviation"估计的预测器的标准偏离
    "FeatureExtractor"像 FeatureExtractorFunction 的特征提取器
    "TrainingLabelMean"训练期间看到的平均标签值
    "TrainingTime"Predict 产生预测器使用的时间
    "UtilityFunction"预测器使用的 UtilityFunction 的值
  • Information 属性可以包含所有方法子选项.

范例

打开所有单元关闭所有单元

基本范例  (2)

训练 PredictorFunction：

给定特征，用训练过的 PredictorFunction 来预测输出：

预测多个样本的输出：

计算预测数值的概率分布：

用多个特征来生成 PredictorFunction：

对新样本运用预测函数：

对一个特征部分缺失的样本进行预测：

获取预测器的基本信息：

范围  (6)

用文字数据训练 PredictorFunction：

预测新样本的数值：

训练 PredictorFunction 识别 SawtoothWave 声波的频率：

预测新样本的数值：

训练 PredictorFunction：

生成应用于测试集的函数的 PredictorMeasurementsObject：

获取函数残差的标准差：

图示表示测试值和预测值之间函数关系的散点图：

生成一个输入为关联的预测器函数：

将函数运用到一个样本上：

对一个特征部分缺失的样本进行预测：

用关联列表创建一个 Dataset：

训练 PredictorFunction 预测特征 "age" 为其他特征的函数：

一旦 PredictorFunction 被训练过，则可以接受任意格式的输入. 对格式为关联的样本进行预测：

求特征的顺序，并将格式为列表的样本归类：

将 Dataset 中的样本归类：

加载葡萄酒质量数据集，作为葡萄酒物理特性函数：

训练预测器来估计葡萄酒质量：

检查一瓶葡萄酒示例：

预测葡萄酒示例的质量：

计算这瓶酒的预测质量比平均值高或低多少：

估计每个特征对这瓶酒的预测器输出的影响程度：

可视化这些特征的影响：

确认 Shapley 值完全解释了预测的质量：

学习将每个特征视为独立的数据分布：

估计 100 瓶葡萄酒的 SHAP 值特征重要性，每个估计使用 5 个样本：

计算每个特征对模型的重要性：

可视化模型的特征重要性：

可视化特征值与其对模型预测的影响之间的非线性关系：

选项  (7)

IndeterminateThreshold  (1)

训练 PredictorFunction:

图示给定样本的概率密度：

概率密度的最大值为预测值：

如果最大值小于指定的阈值，则不做预测：

永久更新阈值:

MissingValueSynthesis  (1)

训练具有两个输入特征的预测器：

获取具有缺失值的样例的预测：

设置缺失值合成，在给定已知值的情况下用最可能的值替换缺失变量（这是默认行为）：

用以已知值为条件的随机样本替换缺失的变量：

对许多随机插补进行平均通常是最好的策略，并允许获得由插补引起的不确定性：

指定训练期间的学习方法来控制如何学习数据的分布：

用 "KernelDensityEstimation" 分布对具有缺失值的样例进行预测：

在训练时提供已有的 LearnedDistribution 以在训练和后续运算期间插补缺失值时使用：

指定已有的 LearnedDistribution 以合成单个运算的缺失值：

通过在训练中传递关联来控制学习方法和运算策略：

RecalibrationFunction  (2)

训练预测器：

计算预测：

计算预测分布：

临时设置一个重新校准函数以应用于预测：

使用这个新的重新校准计算预测分布：

加载 Boston Homes 数据集：

训练预测器时使用模型校准：

可视化测试集上的比较图：

从预测器中移除重新校准函数：

可视化新的比较图：

TargetDevice  (1)

使用神经网络训练预测器:

运算系统默认 GPU 上的结果预测器，并查看其 AbsoluteTiming：

将上一个计时与使用默认 CPU 计算实现的时间进行比较：

UtilityFunction  (1)

训练预测函数：

图示给定样本的概率密度：

缺省情况下，概率密度的最大值为预测值：

定义一个效用函数来惩罚预测值小于实际值：

对于给定的实际值，绘制该函数：

预测器的决定因此改变，尽管概率密度不变：

永久更新效用函数的值:

PerformanceGoal  (1)

获取内置 PredictorFunction "NameAge"：

自定义一个效用函数和该预测器一起使用：

对使用该效用函数的样本进行计算所需的时间：

用 PerformanceGoal 来缩短计算时间，但是降低了结果的准确度：

Wolfram Research (2014)，PredictorFunction，Wolfram 语言函数，https://reference.wolfram.com/language/ref/PredictorFunction.html （更新于 2021 年）.

文本

Wolfram Research (2014)，PredictorFunction，Wolfram 语言函数，https://reference.wolfram.com/language/ref/PredictorFunction.html （更新于 2021 年）.

CMS

Wolfram 语言. 2014. "PredictorFunction." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2021. https://reference.wolfram.com/language/ref/PredictorFunction.html.

APA

Wolfram 语言. (2014). PredictorFunction. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/PredictorFunction.html 年

BibTeX

@misc{reference.wolfram_2024_predictorfunction, author="Wolfram Research", title="{PredictorFunction}", year="2021", howpublished="\url{https://reference.wolfram.com/language/ref/PredictorFunction.html}", note=[Accessed: 17-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_predictorfunction, organization={Wolfram Research}, title={PredictorFunction}, year={2021}, url={https://reference.wolfram.com/language/ref/PredictorFunction.html}, note=[Accessed: 17-November-2024 ]}