KRR

KRR は Custom Tables and Advanced Statisticsで使用可能です。

KRR は、 Python sklearn.kernel_ridge.KernelRidge クラスを使用して、1 つ以上の独立変数に対する従属変数のカーネル・リッジ回帰を推定します。独立変数には、モデルのハイパーパラメーター、または、値の指定されたグリッドの、いくつかのハイパーパラメーター値が含まれます。交差検証は、 sklearn.model_selection.GridSearchCV クラスを使用して行われます。

注: カーネル回帰アルゴリズムでは、

N x
N

行列を処理する必要があります。ここで、 N はケースの数です。メモリー所要量はケースの数に応じて急速に増加し、アルゴリズムは大きなデータ・セットに対して適切に拡張されません。正確な大/小文字の制限は、オペレーティング・システムおよび特定のハードウェアによって異なります。データ・セットに 50,000 個 (またはそれ以下) のケースが含まれている場合、メモリー所要量を超過する可能性があります。

KRR dependent WITH covariate list
   [/KERNEL [ADDITIVE_CHI2(ALPHA={1}
                                 {[values] [value1 TO value2 BY value3]})] 
   [/KERNEL [CHI2(ALPHA={1}
                        {[values] [value1 TO value2 BY value3]})] 
                  GAMMA={1}
                        {[values] [value1 TO value2 BY value3]})]
   [/KERNEL COSINE(ALPHA={1}
                         {[values] [value1 TO value2 BY value3]})]
   [/KERNEL LAPLACIAN(ALPHA={1}
                            {[values] [value1 TO value2 BY value3]})]
                      GAMMA={1/p}
                            {[values] [value1 TO value2 BY value3]})]
   [/KERNEL LINEAR(ALPHA={1**}
                         {[values] [value1 TO value2 BY value3]})]
   [/KERNEL POLYNOMIAL(ALPHA={1}
                             {[values] [value1 TO value2 BY value3]})] 
                       GAMMA={1/p}
                             {[values] [value1 TO value2 BY value3]})]
                       COEF0={1}
                             {[values] [value1 TO value2 BY value3]})]
                       DEGREE={3} 
                              {[values] [value1 TO value2 BY value3]})]
   [/KERNEL RBF(ALPHA={1}
                      {[values] [value1 TO value2 BY value3]})]
                GAMMA={1/p}
                      {[values] [value1 TO value2 BY value3]})]
   [/KERNEL SIGMOID(ALPHA={1}
                          {[values] [value1 TO value2 BY value3]})]
                    GAMMA={1/p}
                          {[values] [value1 TO value2 BY value3]})]
                    COEF0={1}
                          {[values] [value1 TO value2 BY value3]})]
   [/CROSSVALID [NFOLDS={5**  }
                        {value}]
   [/CRITERIA TIMER={5**  }
                    {value}
   [/PRINT {BEST** }
           {COMPARE}
           {VERBOSE}]
   [/PLOT {OBSERVED} {RESIDUAL}]
   [/SAVE {PRED(varname)} {RESID(varname)} {DUAL(varname)}]

** サブコマンドまたはキーワードが省略された場合はデフォルト。

/p は、予測変数または共変量の数です。

このコマンドは、アクティブなデータ・セットを読み取り、保留中のコマンドを実行します。詳しくは、トピック「コマンドの順序」を参照してください。

KRR コマンドのシンタックスは、「Kernel Ridge Regression」ダイアログから生成できます。

例

KRR y WITH x
   /KERNEL POLYNOMIAL(DEGREE=2 COEF0=1)
   /PLOT RESIDUALS_VS_PREDICTED
   /SAVE PRED RESID DUAL.

この拡張機能は、 x上の y のカーネル・リッジ回帰を実行します。
多項式核が用いられる。
多項式の次数は 2で、2 次関数を示します。
多項式カーネルの 0 係数は、デフォルト値の 1に設定されます。
カーネル内のガンマ値は、デフォルト値の 1/pのままです。
アルファ正規化パラメーターは、デフォルト値の 1のままです。
残差と予測値の散布図が表示されます。
予測値、残差、および双対空間係数の重みは、デフォルト名を使用して保存されます。