Обмен строки
dRE = rowexch(nfactors,nruns)
[dRE,X] = rowexch(nfactors,nruns)
[dRE,X] = rowexch(nfactors,nruns,model)
[dRE,X] = rowexch(...,param1,val1,param2,val2,...)
dRE = rowexch(nfactors,nruns) использует обменный строкой алгоритм, чтобы сгенерировать D - оптимальный проект dRE с nruns запуски (строки dRE) для линейной аддитивной модели с nfactors факторы (столбцы dRE). Модель включает постоянный термин.
[dRE,X] = rowexch(nfactors,nruns) также возвращает связанную матрицу проекта X, чьи столбцы являются условиями модели, оцененными при каждой обработке (строка) dRE.
[dRE,X] = rowexch(nfactors,nruns, использует модель линейной регрессии, заданную в model)model. model одно из следующего:
'linear' — Постоянные и линейные члены. Это значение по умолчанию.
'interaction' — Постоянные, линейные, и периоды взаимодействия
'quadratic' — Постоянный, линейный, взаимодействие и условия в квадрате
'purequadratic' — Постоянные, линейные, и условия в квадрате
Порядок столбцов X поскольку полная квадратичная модель с условиями n:
Постоянный термин
Линейные члены в порядке 1, 2..., n
Периоды взаимодействия в порядке (1, 2), (1, 3)..., (1, n), (2, 3)..., (n–1, n)
Условия в квадрате в порядке 1, 2..., n
Другие модели используют подмножество этих условий в том же порядке.
В качестве альтернативы model может быть матрица, задающая полиномиальные условия произвольного порядка. В этом случае, model должен иметь один столбец для каждого фактора и одну строку для каждого члена в модели. Записи в любой строке model степени для факторов в столбцах. Например, если модель имеет факторы X1x2 , и X3, затем строка [0 1 2] в model задает термин (X1.^0).*(X2.^1).*(X3.^2). Строка всех нулей в model задает постоянный термин, который может быть не использован.
[dRE,X] = rowexch(..., задает дополнительные пары параметра/значения для проекта. Допустимые параметры и их значения перечислены в следующей таблице.param1,val1,param2,val2,...)
| Параметр | Значение |
|---|---|
'bounds' | Нижние и верхние границы для каждого фактора, заданного как |
'categorical' | Индексы категориальных предикторов. |
'display' | Любой |
'excludefun' | Обработайте к функции, которая исключает нежелательные запуски. Если функцией является f, она должна поддержать синтаксис b = f (S), где S является матрицей обработок с |
'init' | Первоначальный проект как |
'levels' | Вектор количества уровней для каждого фактора. |
'maxiter' | Максимальное количество итераций. Значением по умолчанию является |
options | Структура, которая задает, запуститься ли параллельно, и задает случайный поток или потоки. Создайте
|
'tries' | Число раз, чтобы попытаться сгенерировать проект от новой начальной точки. Алгоритм использует случайные точки в каждой попытке, кроме возможно первого. Значением по умолчанию является |
Предположим, что вы хотите, чтобы проект оценил параметры в следующей модели взаимодействия с семью терминами, с тремя факторами:
Используйте rowexch сгенерировать D - оптимальный проект с семью запусками:
nfactors = 3;
nruns = 7;
[dRE,X] = rowexch(nfactors,nruns,'interaction','tries',10)
dRE =
-1 -1 1
1 -1 1
1 -1 -1
1 1 1
-1 -1 -1
-1 1 -1
-1 1 1
X =
1 -1 -1 1 1 -1 -1
1 1 -1 1 -1 1 -1
1 1 -1 -1 -1 -1 1
1 1 1 1 1 1 1
1 -1 -1 -1 1 1 1
1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 -1 1Столбцы матрицы проекта X условия модели, оцененные в каждой строке проекта dRE. Условия появляются в порядке слева направо: постоянный термин, линейные члены (1, 2, 3), периоды взаимодействия (12, 13, 23). Используйте X подбирать модель, как описано в Линейной регрессии, к данным об ответе, измеренным в проекте, указывает в dRE.
Оба cordexch и rowexch используйте итеративные алгоритмы поиска. Они действуют путем инкрементного изменения начальной матрицы проекта X, чтобы увеличить D = |XTX | на каждом шаге. В обоих алгоритмах существует случайность, встроенная в выбор первоначального проекта и в выбор инкрементных изменений. В результате оба алгоритма могут возвратиться локально, но не глобально, D - оптимальные проекты. Запустите каждый алгоритм многократно и выберите лучший результат для вашего итогового проекта. Обе функции имеют 'tries' параметр, который автоматизирует это повторение и сравнение.
На каждом шаге обменный строкой алгоритм обменивается целой строкой X со строкой из матрицы проекта C, оцененный в наборе кандидата выполнимых обработок. rowexch функция автоматически генерирует C, подходящий для заданной модели, действующей на двух шагах путем вызова candgen и candexch функции в последовательности. Обеспечьте свой собственный C путем вызова candexch непосредственно. В любом случае, если C является большим, его статическое присутствие в памяти может влиять на расчет.