random

Симулируйте ответы со случайным шумом для модели линейной регрессии

Синтаксис

ysim = random(mdl,Xnew)

Описание

ysim = random(mdl,Xnew) симулирует ответы на данные о предикторе в Xnew использование линейной модели mdl, добавление случайного шума.

Примеры

свернуть все

Симулируйте данные об ответе со случайным шумом

Скрипт Open Live Script

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

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

Создайте симулированные ответы на данные со случайным шумом.

ysim = random(mdl,X);

Постройте исходные ответы и симулированные 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
`LinearModel` возразите | `CompactLinearModel` объект

Объект модели линейной регрессии, заданный как LinearModel объект создается при помощи fitlm или stepwiselm, или CompactLinearModel объект 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 таблица или массив набора данных, это должно содержать предикторы, которые имеют те же имена предиктора как в PredictorNames свойство mdl.
Если Xnew матрица, она должна 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 предикторы, которые не используются в качестве предикторов в подобранной модели. Кроме того, все переменные используются в создании mdl mustBeNumeric. Чтобы обработать числовые предикторы как категориальные, идентифицируйте предикторы с помощью 'CategoricalVars' аргумент пары "имя-значение", когда вы создаете mdl.

Типы данных: single | double | table

Выходные аргументы

свернуть все

`ysim` — Симулированные значения ответа
числовой вектор

Симулированное значение ответа, возвращенное как числовой вектор. Симулированное значение является предсказанными значениями ответа в Xnew встревоженный 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 использование несколько входных параметров с одним входом для каждого переменного предиктора.

Расширенные возможности

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

Указания и ограничения по применению:

Используйте saveLearnerForCoder, loadLearnerForCoder, и codegen сгенерировать код для random функция. Сохраните обученную модель при помощи saveLearnerForCoder. Задайте функцию точки входа, которая загружает сохраненную модель при помощи loadLearnerForCoder и вызывает random функция. Затем используйте codegen сгенерировать код для функции точки входа.
random может возвратить различную последовательность чисел, чем MATLAB^®, если любое из следующего верно:
- Выход 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 определение `'RobustOpts'` как структура с анонимной функцией обрабатывают для `RobustWgtFun` поле, используйте `saveLearnerForCoder` сохранить модель, и затем использовать `loadLearnerForCoder` загружать модель. В этом случае, `loadLearnerForCoder` не может восстановить свойство Robust в рабочее пространство MATLAB. Однако `loadLearnerForCoder` может загрузить модель во время компиляции в функции точки входа для генерации кода. Для указаний и ограничений по применению объекта модели смотрите Генерацию кода `CompactLinearModel` объект.
`Xnew`	Должен быть матрица с двойной точностью или с одинарной точностью и может быть переменный размер. Однако количество 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 определение 'RobustOpts' как структура с анонимной функцией обрабатывают для RobustWgtFun поле, используйте saveLearnerForCoder сохранить модель, и затем использовать loadLearnerForCoder загружать модель. В этом случае, loadLearnerForCoder не может восстановить свойство Robust в рабочее пространство MATLAB. Однако loadLearnerForCoder может загрузить модель во время компиляции в функции точки входа для генерации кода.
Для указаний и ограничений по применению объекта модели смотрите Генерацию кода CompactLinearModel объект.

Xnew

Должен быть матрица с двойной точностью или с одинарной точностью и может быть переменный размер. Однако количество 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

random

Синтаксис

Описание

Примеры

Симулируйте данные об ответе со случайным шумом

Входные параметры

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

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

Выходные аргументы

`ysim` — Симулированные 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

random

Синтаксис

Описание

Примеры

Симулируйте данные об ответе со случайным шумом

Входные параметры

mdl — Объект модели линейной регрессии LinearModel возразите | CompactLinearModel объект

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

Выходные аргументы

ysim — Симулированные 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
`LinearModel` возразите | `CompactLinearModel` объект

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

`ysim` — Симулированные значения ответа
числовой вектор

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