Exponenta Banner
exponenta event banner

sbionlinfit

Выполнение нелинейной регрессии методом наименьших квадратов с использованием моделей SimBiology (требуется программное обеспечение Statistics and Machine Learning Toolbox)

sbionlinfit будет удален в следующем выпуске. Использовать sbiofit вместо этого.

Синтаксис

results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates)
results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates, Name,Value)
results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates, optionStruct)
[results, SimDataI] = sbionlinfit(...)

Описание

results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates) выполняет регрессию методом наименьших квадратов с использованием модели SimBiology ® ,modelObjи возвращает оценочные результаты в results структура.

results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates, Name,Value) выполняет регрессию методом наименьших квадратов с дополнительными опциями, заданными одним или несколькими Name,Value аргументы пары.

Ниже приведена альтернатива предыдущему синтаксису:

results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates, optionStruct) определяет optionStruct, структура, содержащая поля и значения, используемые options структура ввода в nlinfit (Статистика и инструментарий машинного обучения).

[results, SimDataI] = sbionlinfit(...) возвращает результаты моделирования модели SimBiology, modelObj, используя оценочные значения параметров.

Входные аргументы

modelObj

Объект модели SimBiology, используемый для соответствия наблюдаемым данным.

Примечание

Если используется объект модели, содержащий активные дозы (то есть содержащий объекты дозы, созданные с помощью adddose и указан как активный с помощью Active свойство объекта дозы), имейте в виду, что эти активные дозы игнорируются sbionlinfit функция.

pkModelMapObject

PKModelMap объект, определяющий роли компонентов модели в оценке. Для получения более подробной информации см. PKModelMap object.

Примечание

При использовании PKModelMap объект, который определяет несколько доз, убедитесь, что каждый элемент в Dosed является уникальным.

pkDataObj

PKData объект, определяющий данные, используемые при подборе, и роли столбцов данных, используемых для оценки. Для получения более подробной информации см. PKData object.

Примечание

Для каждого подмножества данных, принадлежащих к одной группе (как определено в столбце данных, указанном GroupLabel ), программное обеспечение позволяет выполнять несколько наблюдений одновременно. Если это верно для ваших данных, помните, что:

  • Эти точки данных не усредняются, а устанавливаются индивидуально.

  • Различное количество наблюдений в разное время приводит к тому, что некоторые моменты времени взвешиваются больше.

InitEstimates

Вектор начальных оценок параметров для каждого параметра, оцененного в pkModelMapObject.Estimated. Длина InitEstimates должно быть равно, по крайней мере, длине pkmodelMapObject.Estimated. Элементы InitEstimates преобразуются, как указано в ParamTransform аргумент пары имя-значение.

optionStruct

Структура, содержащая поля и значения, используемые options структура ввода в nlinfit (Статистика и инструментарий машинного обучения). Структура также может использовать перечисленные ниже пары «имя-значение» в качестве полей и значений. Значения по умолчанию для optionStruct те же, что и для options структура ввода в nlinfit, за исключением:

  • DerivStep - По умолчанию меньше 1e-4, или значение SolverOptions.RelativeTolerance свойства набора конфигурации, связанного с modelObj, с минимальным eps^(1/3).

  • FunValCheck - По умолчанию: off.

При наличии Toolbox™ Parallel Computing можно включить параллельные вычисления для более быстрой подгонки данных, задав аргумент пара имя-значение 'UseParallel' кому true в statset структура опций выглядит следующим образом:

parpool; % Open a parpool for parallel computing
opt = statset(...,'UseParallel',true); % Enable parallel computing
results = sbionlinfit(...,opt); % Perform data fitting

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Name,Value аргументы совпадают с полями и значениями в options структура принята nlinfit. Полный список см. в разделе options входной аргумент в nlinfit Справочная страница (Statistics and Machine Learning Toolbox) в документации Toolbox™ статистики и машинного обучения. Значения по умолчанию для Name,Value аргументы такие же, как для options структура принята nlinfit, за исключением:

  • DerivStep - По умолчанию меньше 1e-4, или значение SolverOptions.RelativeTolerance свойства набора конфигурации, связанного с modelObj, с минимальным eps^(1/3).

  • FunValCheck - По умолчанию: off.

Ниже приведены дополнительные Name,Value аргументы, которые можно использовать с sbionlinfit.

'ParamTransform'

Вектор целых чисел, задающий функцию преобразования для каждого оцененного параметра. Функция преобразования, f, принимает estimate в качестве входных данных и возвращает beta: 

beta = f(estimate)

Каждый элемент в векторе должен быть одним из этих целых чисел, указывающих преобразование для соответствующего значения estimate:

  • 0 – beta = estimate

  • 1 – beta = log(estimate) (по умолчанию)

  • 2 – beta = probit(estimate)

  • 3 – beta = logit(estimate)

'ErrorModel'

Вектор символов, определяющий форму элемента ошибки. По умолчанию: 'constant'. Каждая модель определяет ошибку, используя стандартную нормальную (гауссову) переменную e, значение функции f и один или два параметра a и b. Возможны следующие варианты:

  • 'constant': y = f + a * e

  • 'proportional': y = f + b * abs (f) * e

  • 'combined': y = f + (a + b * abs (f)) * e

  • 'exponential': y = f * exp (a * e) или эквивалентно log (y) = log (f ) + a * e

При указании модели ошибки results выходной аргумент включает errorparam свойство, которое имеет значение:

  • для 'constant' и 'exponential'

  • b для 'proportional'

  • [a b] для 'combined'

Примечание

При указании модели ошибки невозможно задать веса.

'Weights'

Одно из следующих действий:

  • Матрица вещественных положительных весов, где число столбцов соответствует количеству откликов. То есть количество столбцов должно равняться количеству записей в DependentVarLabel имущество pkDataObj. Количество строк в матрице должно быть равно количеству строк в наборе данных.

  • Дескриптор функции, который принимает вектор прогнозируемых значений отклика и возвращает вектор действительных положительных весов.

    Примечание

    При использовании дескриптора функции веса должны быть функцией ответа (зависимой переменной).

По умолчанию весовые коэффициенты отсутствуют. При указании весов невозможно указать модель ошибки.

'Pooled'

Логическое указание sbionlinfit делает подгонку для каждого человека (false) или если он объединяет все отдельные данные и подходит один (true). Если установлено значение true, sbionlinfit использует одни и те же параметры модели для каждого уровня дозы.

По умолчанию: false

Выходные аргументы

results

1-by-N массив объектов, где N - количество групп в pkDataObj. На группу приходится один объект, и каждый объект содержит следующие свойства:

  • ParameterEstimates - A dataset (Statistics and Machine Learning Toolbox) массив, содержащий подогнанные коэффициенты и их стандартные ошибки.

  • CovarianceMatrix - Оценочная ковариационная матрица для соответствующих коэффициентов.

  • beta - вектор скаляров, задающий подгоняемые коэффициенты в преобразованном пространстве.

  • R - вектор скаляров, задающий остаточные значения, где R (i, j) - остаточный для i-й точки времени и j-й отклик в группе данных. Если модель включает:

    • Один ответ, тогда R - вектор столбцов остаточных значений, связанных с моментами времени в группе данных.

    • Несколько ответов, затем R - матрица остаточных значений, связанных с временными точками в группе данных, для каждого ответа.

  • J - Матрица, определяющая якобиан модели относительно расчетного параметра, то есть

    J (i, j, k) =∂yk∂βj'ti

    где ti - i-й момент времени, βj - j-й оценочный параметр в преобразованном пространстве, а yk - k-й отклик в группе данных.

    Если модель включает:

    • Один ответ, тогда J - матрица якобовских значений, связанных с временными точками в группе данных.

    • Несколько ответов, затем J представляет собой 3-D массив якобовских значений, связанных с временными точками в группе данных, для каждого ответа.

  • COVB - Оценочная ковариационная матрица для преобразованных коэффициентов.

  • mse - скаляр, задающий оценку ошибки элемента дисперсии.

  • errorparam - Оценочные параметры модели ошибок. Это свойство является скалярным, если указано 'constant', 'exponential', или 'proportional' для модели ошибки. Это свойство является двухэлементным вектором, если указано 'combined' для модели ошибки. Это свойство является пустым массивом, если веса задаются с помощью 'Weights' аргумент пары имя-значение.

SimDataI

SimData object содержит данные моделирования модели с использованием оценочных значений параметров для отдельных лиц. Этот объект включает наблюдаемые и регистрируемые состояния.

См. также

| | | | | | | (инструментарий статистики и машинного обучения)

Темы

Представлен в R2009a

Документация по SimBiology

Поддержка