Изменение пошагового статуса выбора для заданных условий
[S, model] = StepwiseRegression(model, optional toggleTerms)
Это метод mbcmodel.model, только для линейных моделей. Этот метод возвращает таблицу Stepwise (как в значениях Stepwise для ParameterStatistics). Оставьте вне toggleTerms для получения текущих ступенчатых значений. Можно принять решение удалить или включить параметры с помощью StepwiseRegression, пока их StepwiseStatus Step.
Возвращенные значения Stepwise те же, что и в таблице в Stepwise GUI. Для каждого параметра столбцами являются: значение коэффициента, стандартная ошибка коэффициента, значение t и Next PRESS (значение PRESS, если состояние этого термина изменено при следующей итерации). Проверьте самый низкий Next PRESS, чтобы указать, какие условия следует переключать, порядок улучшить прогнозирующую степень модели.
Вызовите StepwiseRegression, чтобы переключаться между in и out для конкретных параметров. toggleTerms может быть либо индексом, который задает параметры для переключения, либо массивом или логическим, где истинное значение указывает, что переключение должно происходить. Пример, показанный на рисунке, переключает параметр 4, после проверки столбца Next PRESS указывает, что изменение статуса этого термина приведет к самому низкому PRESS. StepwiseRegression возвращает новые значения Stepwise после переключения параметра.
После внесения изменений в модель с помощью StepwiseRegression необходимо вызвать UpdateResponse.
Используйте StepwiseStatus (на объекте дочерних моделепараметров), чтобы увидеть, какие параметры имеют статус Step; они могут переключаться между in и out использование StepwiseRegression (на объекте родительской модели).
Используйте StepwiseSelection (на объекте дочерних моделепараметров), чтобы просмотреть, какие условия in и out, как показано на примере.
[S, knot] = StepwiseRegression(knot)
S =
1.0e+003 *
0.1316 0.0606 0.0200 NaN
0.0000 0.0000 0.0200 2.0919
0.0000 0.0000 0.0190 0.2828
-0.0000 0.0000 0.0190 0.2531
0.0000 0.0000 0.0190 0.2680
-0.0551 0.0347 0.0200 0.2566
0.0919 0.0264 0.0200 0.3672
-0.0040 0.0023 0.0200 0.2564
-0.0178 0.0095 0.0200 0.2644
0.0008 0.0004 0.0200 0.2787
[S, knot] = StepwiseRegression(knot, 4)
S =
129.8406 60.1899 19.0000 NaN
0.0048 0.0008 19.0000 662.3830
0.0000 0.0000 18.0000 290.8862
-0.0021 0.0019 19.0000 245.9833
0.0001 0.0002 18.0000 281.4104
-50.4091 34.7401 19.0000 262.8346
94.9675 26.3690 19.0000 400.6572
-4.0887 2.2488 19.0000 262.6588
-17.9412 9.4611 19.0000 276.7535
0.8229 0.3734 19.0000 292.0827
params = knot.Parameters;
N = params.StepwiseSelection
N =
'in'
'in'
'out'
'in'
'out'
'in'
'in'
'in'
'in'
'in'
>> StepwiseRegression(knot, 4);
params = knot.Parameters;
N = params.StepwiseSelection
N =
'in'
'in'
'out'
'out'
'out'
'in'
'in'
'in'
'in'
'in'