случайный

Моделируйте ответы со случайным шумом для модели линейной регрессии

Синтаксис

ysim = random(mdl,Xnew)

Описание

ysim = random(mdl,Xnew) моделирует ответы на данные о предикторе в Xnew с помощью линейной модели mdl, добавляя случайный шум.

Примеры

свернуть все

Моделируйте данные об ответе со случайным шумом

Скрипт Open Live Script

Создайте квадратичную модель пробега автомобиля как функция веса от набора данных carsmall.

load carsmall
X = Weight;
y = MPG;
mdl = fitlm(X,y,'quadratic');

Создайте моделируемые ответы на данные со случайным шумом.

ysim = random(mdl,X);

Постройте исходные ответы и моделируемые ответы, чтобы видеть, как они отличаются.

plot(X,y,'o',X,ysim,'x')
legend('Data','Simulated')

Входные параметры

свернуть все

`mdl` — Объект модели линейной регрессии
Объект `LinearModel` | объект `CompactLinearModel`

Объект модели линейной регрессии, заданный как объект LinearModel, созданный при помощи fitlm или stepwiselm или объекта CompactLinearModel, создается при помощи compact.

`Xnew` — Новые входные значения предиктора
таблица | массив набора данных | матрица

Новые входные значения предиктора, заданные как таблица, массив набора данных или матрица. Каждая строка Xnew соответствует одному наблюдению, и каждый столбец соответствует одной переменной.

Если Xnew является таблицей или массивом набора данных, он должен содержать предикторы, которые имеют те же имена предиктора как в свойстве PredictorNames mdl.
Если Xnew является матрицей, он должен иметь то же количество переменных (столбцы) в том же порядке, как вход предиктора раньше создавал mdl. Обратите внимание на то, что Xnew должен также содержать любые переменные прогноза, которые не используются в качестве предикторов в подобранной модели. Кроме того, все переменные, используемые в создании mdl, должны быть числовыми или логическими. Чтобы обработать числовые предикторы как категориальные, идентифицируйте предикторы с помощью аргумента пары "имя-значение" 'CategoricalVars', когда вы создадите mdl.

Типы данных: single | double | table

Выходные аргументы

свернуть все

`ysim` — Моделируемые значения ответа
числовой вектор

Моделируемое значение ответа, возвращенное как числовой вектор. Моделируемое значение является предсказанными значениями ответа в Xnew, встревоженном случайным шумом. Шум независим и нормально распределен с равным нулю средним значением и отклонение, равное предполагаемому ошибочному отклонению модели.

Альтернативная функциональность

Для прогнозов без случайного шума используйте predict или feval. Эти две функции дают те же прогнозы.

predict использует один входной параметр с одним наблюдением в каждой строке и дает доверительные интервалы на ее прогнозах.
feval использует несколько входных параметров с одним входом для каждой переменной прогноза.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Указания и ограничения по применению:

Используйте saveCompactModel, loadCompactModel и codegen, чтобы сгенерировать код для функции random. Сохраните обученную модель при помощи saveCompactModel. Задайте функцию точки входа, которая загружает сохраненную модель при помощи loadCompactModel и вызывает функцию random. Затем используйте codegen, чтобы сгенерировать код для функции точки входа.
random может возвратить различную последовательность чисел, чем MATLAB^®, если любое из следующего верно:
- Вывод является нескалярным.
- Входной параметр недопустим для распределения.

Эта таблица содержит примечания об аргументах random. Аргументы, не включенные в эту таблицу, полностью поддержаны.

Аргумент Примечания и ограничения

Аргумент	Примечания и ограничения
`mdl`	Предположим, что вы обучаете линейную модель при помощи `fitlm` и определения `'RobustOpts'` как структура с указателем анонимной функции для поля `RobustWgtFun`, используете `saveCompactModel`, чтобы сохранить модель, и затем использовать `loadCompactModel`, чтобы загрузить модель. В этом случае `loadCompactModel` не может восстановить свойство Robust в рабочее пространство MATLAB. Однако `loadCompactModel` может загрузить модель во время компиляции в функции точки входа для генерации кода. Для указаний и ограничений по применению объекта модели смотрите Генерацию кода объекта `CompactLinearModel`.
`Xnew`	Должен быть матрица с двойной точностью или с одинарной точностью и может быть переменный размер. Однако количеством столбцов в `Xnew` должен быть `numel(mdl.PredictorNames)`. Строки и столбцы должны соответствовать наблюдениям и предикторам, соответственно.

mdl

Предположим, что вы обучаете линейную модель при помощи fitlm и определения 'RobustOpts' как структура с указателем анонимной функции для поля RobustWgtFun, используете saveCompactModel, чтобы сохранить модель, и затем использовать loadCompactModel, чтобы загрузить модель. В этом случае loadCompactModel не может восстановить свойство Robust в рабочее пространство MATLAB. Однако loadCompactModel может загрузить модель во время компиляции в функции точки входа для генерации кода.
Для указаний и ограничений по применению объекта модели смотрите Генерацию кода объекта CompactLinearModel.

Xnew

Должен быть матрица с двойной точностью или с одинарной точностью и может быть переменный размер. Однако количеством столбцов в Xnew должен быть numel(mdl.PredictorNames).
Строки и столбцы должны соответствовать наблюдениям и предикторам, соответственно.

Для получения дополнительной информации смотрите Введение в Генерацию кода.

Документация

случайный

Синтаксис

Описание

Примеры

Моделируйте данные об ответе со случайным шумом

Входные параметры

`mdl` — Объект модели линейной регрессии
Объект `LinearModel` | объект `CompactLinearModel`

`Xnew` — Новые входные значения предиктора
таблица | массив набора данных | матрица

Выходные аргументы

`ysim` — Моделируемые значения ответа
числовой вектор

Альтернативная функциональность

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Темы

Представленный в R2012a

Документация Statistics and Machine Learning Toolbox

Поддержка

Документация

случайный

Синтаксис

Описание

Примеры

Моделируйте данные об ответе со случайным шумом

Входные параметры

mdl — Объект модели линейной регрессии Объект LinearModel | объект CompactLinearModel

Xnew — Новые входные значения предиктора таблица | массив набора данных | матрица

Выходные аргументы

ysim — Моделируемые значения ответа числовой вектор

Альтернативная функциональность

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Темы

Представленный в R2012a

Документация Statistics and Machine Learning Toolbox

Поддержка

`mdl` — Объект модели линейной регрессии
Объект `LinearModel` | объект `CompactLinearModel`

`Xnew` — Новые входные значения предиктора
таблица | массив набора данных | матрица

`ysim` — Моделируемые значения ответа
числовой вектор

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.