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

Попробовать в MATLAB

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™.