Алгоритмы выбора линейных регрессионных моделей (практика)/Вспомогательные функции

Материал из MachineLearning.

Перейти к: навигация, поиск

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

nextMask

Если представить маску как бинарное число, то добавлеяет единичку. 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 необходимые объемы памяти не сложно представить.

filterMasks

Обрабатывает набор масок, удаляя повторы, нулевые и с излишком элементов.

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.