Отчет оценки

Что такое Отчет Оценки?

estimation report содержит информацию о результатах и опциях, используемых в оценке модели. Этот отчет хранится в Report свойство предполагаемой модели. Точное содержимое отчета зависит от функции средства оценки, которую вы используете, чтобы получить модель.

А именно, отчет оценки имеет следующую информацию:

Состояние модели — создается ли модель или оценивается
Как начальные условия обработаны во время оценки
Условия завершения для итеративных алгоритмов оценки
Итоговая ошибка прогноза (FPE), процент соответствует к данным об оценке и среднеквадратичной погрешности (MSE)
Сырые данные, нормированный, и маленький объем выборки откорректировал Критерии информации о Akaike (AIC) и Байесов информационный критерий (BIC)
Тип и свойства данных об оценке
Все предполагаемые количества — значения параметров, начальные состояния для пространства состояний и моделей серого ящика и их ковариаций
Набор опции, используемый в конфигурировании алгоритма оценки

Чтобы узнать больше об отчете, представленном для определенного средства оценки, смотрите соответствующую страницу с описанием.

Можно использовать отчет для:

Сохраните журнал оценки, такой как данные, значение по умолчанию и другие настройки используемые, и оцененные результаты, такие как значения параметров, начальные условия и подгонка. Смотрите доступ к Отчету Оценки.
Сравните опции или результаты отдельных оценок. Смотрите Сравнивают Предполагаемые Модели Используя Отчет Оценки.
Сконфигурируйте другую оценку с помощью ранее заданных опций. Смотрите Анализируют и Уточняют Результаты Оценки Используя Отчет Оценки.

Доступ к отчету оценки

Скрипт Open Live Script

В этом примере показано, как получить доступ к отчету оценки.

Отчет оценки сохраняет журнал информации, такой как данные используемым, значение по умолчанию и другие настройки используемые, и оцененные результаты, такие как значения параметров, начальные условия и подгонка.

После того, как вы оцените модель, используйте запись через точку, чтобы получить доступ к отчету оценки. Например:

load iddata1 z1;
np = 2;
sys = tfest(z1,np);
sys_report = sys.Report

sys_report = 
              Status: 'Estimated using TFEST'
              Method: 'TFEST'
    InitializeMethod: 'iv'
            N4Weight: 'Not applicable'
           N4Horizon: 'Not applicable'
    InitialCondition: 'estimate'
                 Fit: [1x1 struct]
          Parameters: [1x1 struct]
         OptionsUsed: [1x1 idoptions.tfest]
           RandState: []
            DataUsed: [1x1 struct]
         Termination: [1x1 struct]

Исследуйте опции, используемые во время оценки.

sys.Report.OptionsUsed

Option set for the tfest command:

      InitializeMethod: 'iv'
     InitializeOptions: [1x1 struct]
      InitialCondition: 'auto'
               Display: 'off'
           InputOffset: []
          OutputOffset: []
    EstimateCovariance: 1
        Regularization: [1x1 struct]
          SearchMethod: 'auto'
         SearchOptions: [1x1 idoptions.search.identsolver]
       WeightingFilter: []
      EnforceStability: 0
          OutputWeight: []
              Advanced: [1x1 struct]

Просмотрите припадок модели передаточной функции с данными об оценке.

sys.Report.Fit

ans = struct with fields:
    FitPercent: 70.7720
       LossFcn: 1.6575
           MSE: 1.6575
           FPE: 1.7252
           AIC: 1.0150e+03
          AICc: 1.0153e+03
          nAIC: 0.5453
           BIC: 1.0372e+03

Сравните предполагаемые модели Используя отчет оценки

Скрипт Open Live Script

В этом примере показано, как сравнить несколько предполагаемых моделей с помощью отчета оценки.

Загрузите данные об оценке.

load iddata1 z1;

Оцените модель передаточной функции.

np = 2;
sys_tf = tfest(z1,np);

Оцените модель в пространстве состояний.

sys_ss = ssest(z1,2);

Оцените модель ARX.

sys_arx = arx(z1, [2 2 1]);

Сравните припадок процента предполагаемых моделей с данными об оценке.

fit_tf = sys_tf.Report.Fit.FitPercent

fit_tf = 70.7720

fit_ss = sys_ss.Report.Fit.FitPercent

fit_ss = 76.3808

fit_arx = sys_arx.Report.Fit.FitPercent

fit_arx = 68.7220

Сравнение показывает, что модель в пространстве состояний обеспечивает лучшую подгонку процента к данным.

Анализируйте и уточните результаты оценки Используя отчет оценки

Скрипт Open Live Script

В этом примере показано, как анализировать оценку и сконфигурировать другую оценку с помощью отчета оценки.

Оцените модель в пространстве состояний, которая минимизирует 1 шаг вперед ошибка прогноза.

load(fullfile(matlabroot,'toolbox','ident','iddemos','data','mrdamper.mat'));
z = iddata(F,V,Ts);
opt = ssestOptions;
opt.Focus = 'prediction';
opt.Display = 'on';
sys1 = ssest(z,2,opt);

sys1 имеет хорошую способность к прогнозу с 1 шагом, как обозначено> 90%-й припадок результатов прогноза к данным.

Используйте compare(z,sys1) проверять способность модели симулировать измеренный выход F использование входа V. Симулированный ответ модели имеет только 45%-ю подгонку к данным.

Выполните другую оценку, где вы сохраняете исходные опции, используемые в sys1 за исключением того, что вы изменяете особое внимание, чтобы минимизировать ошибку симуляции.

Выберите опции, используемые sys1 сохраненный в его Report свойство. Этот подход полезен, когда вы имеете сохраненный предполагаемая модель, но не соответствующий набор опции, используемый в оценке.

opt2 = sys1.Report.OptionsUsed;

Измените особое внимание на симуляцию и повторно оцените модель.

opt2.Focus = 'simulation';
sys2 = ssest(z,sys1,opt2);

Сравните симулированный ответ на данные об оценке с помощью compare(z,sys1,sys2). Подгонка улучшается к 53%.

Документация