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.