Exponenta Banner
exponenta event banner

feval

Класс: нелинейная модель

Оценка прогноза модели нелинейной регрессии

развернуть все на странице

Синтаксис

ypred = feval(mdl,Xnew1,Xnew2,...,Xnewn)

Описание

ypred = feval(mdl,Xnew1,Xnew2,...,Xnewn) возвращает прогнозируемый отклик mdl на вход [Xnew1,Xnew2,...,Xnewn].

Входные аргументы

mdl

Модель нелинейной регрессии, построенная fitnlm.

Xnew1,Xnew2,...,Xnewn

Компоненты предиктора. Xnewi может быть одним из:

  • Скаляр

  • Вектор

  • Множество

Каждый нескалярный компонент должен иметь одинаковый размер (количество элементов в каждом измерении).

Если вы передадите только один Xnew массив, Xnew может быть таблицей, массивом набора данных или массивом двойников, где каждый столбец массива представляет один предиктор.

Выходные аргументы

ypred

Прогнозируемые средние значения при Xnew. ypred имеет тот же размер, что и каждый компонент Xnew.

Примеры

развернуть все

Открыть сценарий в реальном времени

Создание нелинейной модели для автоматического пробега на основе carbig данные. Спрогнозировать пробег среднего автомобиля.

Загрузите данные и создайте нелинейную модель. 

load carbig
tbl = table(Horsepower,Weight,MPG);
modelfun = @(b,x)b(1) + b(2)*x(:,1).^b(3) + ...
    b(4)*x(:,2).^b(5);
beta0 = [-50 500 -1 500 -1];
mdl = fitnlm(tbl,modelfun,beta0);

Найдите прогнозируемый пробег среднего автомобиля. Данные содержат отсутствующие данные (NaN) наблюдения, поэтому вычислите среднее, используя mean с 'omitnan' вариант.

Xnew = mean([Horsepower Weight],'omitnan');
MPGnew = feval(mdl,Xnew)
MPGnew = 21.8073

Альтернативы

predict дает те же прогнозы, но использует один входной массив с одним наблюдением в каждой строке, а не один компонент в каждом входном аргументе. predict также дает доверительные интервалы в своих прогнозах.

random предсказывает с добавленным шумом.

См. также

| |

Темы

Документация по инструментам для статистического и машинного обучения

Поддержка