Класс для оценки моделей и вычисления PEV
y = StatsModel(X)
Y = EvalModel(StatsModel, X)
[pev, Y] = pev(StatsModel, X)
C = ceval(StatsModel, X)
df = dferror(StatsModel)
Interval = predint(StatsModel,X,Level);
n = nfactors(StatsModel)
[n,symbols,units] = nfactors(StatsModel)
Используйте xregstatsmodel класс, чтобы вычислить модель и вычислить отклонение ошибки предсказания.
Можно создать xregstatsmodel объект по любому из них:
Экспорт модели из Model Browser в рабочую область.
Преобразование любого отклика командной строки или объекта модели в xregstatsmodel при помощи метода экспорта.
Используйте метод экспорта для преобразования mbcmodel.hierarchicalresponse, mbcmodel.localresponse, mbcmodel.response и mbcmodel.model объекты к xregstatsmodel объекты. Используйте синтаксис ExportedModel = Export(MODEL). Формат по умолчанию 'MATLAB' поэтому вам не нужно указывать формат.
После создания xregstatsmodel объект, можно использовать следующие методы, чтобы оценить модель и вычислить отклонение ошибки предсказания:
EvalModel - оценить модель
pev - оценить отклонение ошибки предсказания
ceval - оценить краевую модель
dferror - степени свободы для ошибки
predint - вычислить доверительные интервалы для предсказания модели
nfactors - получить количество входных коэффициентов
Если вы преобразовываете mbcmodel.localresponse объект с помощью экспорт и вы не создали двухэтапную модель (объект иерархического отклика), тогда выходом будет mbcPointByPointModel объект. Модели «точка за точкой» создаются из набора локальных моделей для различных рабочих точек. mbcPointByPointModel объекты имеют все те же методы, что и xregstatsmodel кроме dferror.
y = StatsModel(X) оценивает xregstatsmodel объект модели StatsModel при входных значениях X. X является (N-by-NF) массив, где NF количество входов и N Число точек для оценки модели в.
Y = EvalModel(StatsModel, X) оценивает модель по входным значениям X. Можно также оценить модели с помощью круглых скобок, например y = StatsModel(X)
[pev, Y] = pev(StatsModel, X) вычисляет отклонение ошибки предсказания модели в X, pev, а также возвращается Y оцененная модель в X.
C = ceval(StatsModel, X) оценивает ограничения граничной модели в X.
df = dferror(StatsModel) получает степени свободы для модели.
Interval = predint(StatsModel,X,Level); вычисляет доверительный интервал для предсказания модели. A Level вычисляют доверительный интервал предсказаний относительно предсказанного значения. Значение по умолчанию для Level является 99. Interval является Nx2 массив, где первый столбец является нижней границей, а второй - верхней границей.
n = nfactors(StatsModel) получает количество входа факторов модели. [n,symbols,units] = nfactors(StatsModel) возвращает число, символы и модули коэффициентов входа в модели.
