График прогресса обеспечивает живую обратную связь на состоянии оценки параметра при использовании sbiofit, sbiofitmixed или задачи Fit Data в рабочем столе SimBiology®. Когда вы активируете эту опцию, новые данные открывают и показывают подходящие качественные меры, такие как логарифмическая вероятность и оцененные значения параметров для каждой функциональной итерации. График контролирует прогресс, запускаете ли вы подгонку на локальной машине или в параллельных использующих удаленных кластерах.
Когда вы оцениваете параметры, можно задать который метод оценки использовать во время подбора кривой. График прогресса показывают для всех методов оценки за исключением nlinfit. Однако график прогресса отличается в зависимости от того, используете ли вы нелинейный метод смешанных эффектов (nlmefit или nlmefitsa) или нелинейный метод регрессии, такой как lsqnonlin.
Фигура графика прогресса содержит ряд подграфиков. А именно, подграфики показывают значения параметров фиксированного эффекта (тета), оценки параметров отклонения, то есть, диагональных элементов ковариационной матрицы случайных эффектов (Ψ), и логарифмическая вероятность.
Вот некоторые советы для интерпретации графиков.
Подходящая функция пытается максимизировать логарифмическую вероятность. Когда график начинает отображать плоскую строку, эта сила указывают, что максимизация завершена. Попытайтесь установить максимальные итерации на более низкий номер сокращать количество итераций, вы нуждаетесь и улучшаете производительность.
Графики для фиксированных эффектов (theta s) и параметры отклонения (Ψs) должны показать сходимость. Если вы видите колебания или скачки без сопроводительных улучшений логарифмической вероятности, модель может быть сверхпараметризована. Попробуйте следующее:
Сократите количество фиксированных эффектов.
Сократите количество случайных эффектов.
Упростите шаблон ковариационной матрицы случайных эффектов (если вы ранее изменили его из диагональной матрицы по умолчанию).
Данные графика прогресса показывают ряд подграфиков, и существует две категории графиков: качественная мера строит и оцененные графики параметра. Для объединенной подгонки, то есть, оценивая один набор значений параметров для всех групп (или люди), существует только одна строка для каждого графика, и строка исчезается, когда подгонка закончена. Для необъединенной подгонки, то есть, оценивая один набор значений параметров для каждой группы (или человек), каждая строка представляет одного человека или группу. Можно выбрать одну или несколько строк путем перетаскивания курсора мыши, чтобы создать прямоугольник на любом графике. Все строки, которые пересекают прямоугольник, выбраны и подсвечены через все графики.
Можно отключить подбор кривой в любое время путем выбора Stop, и возвращены частичные результаты. А именно, для объединенной подгонки возвращен результат до последней функциональной итерации. Для необъединенной подгонки возвращены результаты для любых групп, которые закончили запускаться. Группы, в настоящее время запускающиеся, прерваны, и частичные результаты последней итерации также возвращены.
Качественные графики меры включают логарифмическую вероятность, оптимальность первого порядка и графики условия завершения. Они занимают первую строку фигуры.
Логарифмическая вероятность. Метод оценки пытается максимизировать логарифмическую вероятность, и график показывает значение логарифмической вероятности для каждой функциональной итерации. Когда график начинает отображать плоскую строку, он часто указывает, что максимизация завершена. Попытайтесь установить максимальные итерации на более низкий номер сокращать количество итераций, вы нуждаетесь и улучшаете производительность.
Для объединенной подгонки существует только одна строка в графике, и строка исчезается, когда подгонка заканчивается. График логарифмической вероятности показывает, сходится ли подгонка или перестала работать наряду с информацией об условии завершения метода оценки. Следующая фигура является примером графика логарифмической вероятности объединенной подгонки.
Оптимальность первого порядка. Оптимальность первого порядка является мерой того, как близко точка x к оптимальному, и график показывают, когда вы используете методы Optimization Toolbox™ (lsqnonlin, lsqcurvefit, fminunc и fmincon). Мерой по оптимальности первого порядка должен быть нуль как минимум, но точка с равной нулю оптимальностью первого порядка является не обязательно минимумом. Для получения дополнительной информации смотрите оптимальность Первого порядка (Optimization Toolbox).
Условие завершения. Для объединенной подгонки условие завершения отображено вместе с графиком логарифмической вероятности. Для получения дополнительной информации об условии завершения, обратитесь к описанию выходного аргумента exitflag соответствующего метода оценки. Предположим, что вы используете метод lsqnonlin и видите сообщение: The fit converged with criterion Residual. Путем проверки условий exitflag lsqnonlin с ключевым словом Residual это условие завершения соответствует значению exitflag 3, то есть, изменение в невязке было меньше, чем заданный допуск.
Для необъединенной подгонки график Termination Conditions содержит сводные данные (гистограмма) критериев завершения всех групп (или люди) как показано в следующей фигуре. y - ось представляет общее количество, соответствует каждому условию завершения и x - ось отображает все критерии завершения.
Гибридные Функции. Если вы выполняете гибридную оптимизацию первым выполнением глобального решателя, такого как ga или particleswarm, сопровождаемый гибридной функцией, ProgressPlot также показывает качественные графики меры для гибридной функции во второй строке. Следующая фигура является примером, где глобальным алгоритмом оптимизации является ga, и гибридной функцией является fminunc. Для проиллюстрированного примера смотрите Оценку Параметра с Гибридными Решателями.
Этот график отображает значение предполагаемого параметра по сравнению с итерацией для каждой группы. Один предполагаемый график параметра отображен для каждого параметра. Графики запускаются на второй строке фигуры и могут охватить несколько строк. Каждый график отображает горизонтальную пунктирную линию для любой нижней или верхней границы, которую вы задаете для предполагаемого параметра. Связанные строки показывают, только если область значений графика может включать строки.
Для необъединенной подгонки График Прогресса также отображает гистограмму, которая показывает распределение значений параметров для завершенных выполнений. Используйте кнопку-переключатель по y - ось для каждого графика переключиться между логарифмической и линейной шкалой. Следующие данные показывают пример предполагаемого графика параметра со связанной информацией и распределением ориентировочных стоимостей.
Если вы имеете иерархическую модель и оцениваете параметры для каждой категории, такие как оценка параметров для штекеров по сравнению с розетками, График Прогресса отображает один график на предполагаемый параметр для каждой категории. Например, в следующей фигуре, Central и параметры Peripheral оцениваются для категорий возраста, в то время как Q12 и Cl_Central оцениваются для сексуальных категорий.
Для необъединенного подходящего выполнения параллельно, График Прогресса отображает строку состояния в правом нижнем углу. Панель показывает информацию об остающемся и завершенном количестве людей (или группы) в подгонке.
sbiofit | sbiofitmixed | sbiofitstatusplot