KRR

自訂表格及進階統計量中提供 KRR。

KRR 使用 Python sklearn.kernel_ridge.KernelRidge 類別來估計一或多個自變數上應變數的核心脊迴歸。自變數包括模型超參數，或透過指定的值網格以選擇超參數值。使用 sklearn.model_selection.GridSearchCV 類別可達到交叉驗證。

附註: 核心迴歸演算法需要使用

N x
N

矩陣，其中 N 是觀察值數目。記憶體需求會隨著觀察值數目快速增加，且演算法無法妥善擴充至大型資料集。確切的案例限制取決於作業系統及特定硬體。當資料集包含 50,000 個 (或更少) 觀察值時，可能會超出記憶體需求。

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)}]

**如果省略了次指令或關鍵字，則為預設值。

/p 是預測值變數或共變數的數目。

此指令會讀取作用中資料集，並導致執行任何擱置指令。如需相關資訊，請參閱主題指令順序。

KRR 指令的語法可以從核心脊迴歸對話框產生。

範例

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

延伸會在 x上執行 y 的核心脊迴歸。
使用多項式核心。
多項式的次數為 2，表示二次函數。
多項式核心的 0 係數設為其預設值 1。
核心中的 gamma 值保留為預設值 1/p。
Alpha 規則化參數會保留預設值 1。
即會顯示殘差與預測值的散佈圖。
預測值、殘差和雙重空間係數加權會使用預設名稱來儲存。