Exponenta Banner
exponenta event banner

sbionlinfit

Выполните регрессию нелинейного метода наименьших квадратов с помощью моделей SimBiology (требует Statistics and Machine Learning Toolbox программного обеспечения)

sbionlinfit будет удалено в следующем релизе. 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 помощью SimBiology® модель, modelObj, и возвращает оцененные 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 в виде пар.

Ниже приведена альтернатива предыдущему синтаксису:

results = sbionlinfit(modelObj, pkModelMapObject, pkDataObj, InitEstimates, optionStruct) задает optionStruct, структуру, содержащую поля и значения, используемые options входная структура в nlinfit (Statistics and Machine Learning Toolbox) функция.

[results, SimDataI] = sbionlinfit(...) возвращает симуляции модели SimBiology, modelObj, с использованием расчетных значений параметров.

Входные параметры

modelObj

Объект модели SimBiology используется для соответствия наблюдаемым данным.

Примечание

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

pkModelMapObject

PKModelMap объект, который определяет роли компонентов модели в оценке. Для получения дополнительной информации см. PKModelMap object.

Примечание

При использовании PKModelMap объект, который задает несколько доз, убедитесь, что каждый элемент в Dosed свойство уникально.

pkDataObj

PKData объект, который определяет данные для использования в подборе кривой и роли столбцов данных, используемых для оценки. Для получения дополнительной информации см. PKData object.

Примечание

Для каждого подмножества данных, принадлежащих одной группе (как определено в столбце данных, заданном как GroupLabel свойство), программное обеспечение позволяет проводить несколько наблюдений одновременно. Если это верно для ваших данных, имейте в виду, что:

  • Эти точки данных не усредняются, а подгоняются индивидуально.

  • Разное количество наблюдений в разное время приводит к большему взвешиванию некоторых временных точек.

InitEstimates

Вектор начальных оценок параметров для каждого параметра, оцененного в pkModelMapObject. Estimated. Длина InitEstimates должен равняться, по крайней мере, длине pkmodelMapObject. Estimated. Элементы InitEstimates преобразуются как задано в ParamTransform аргумент пары "имя-значение".

optionStruct

Структура, содержащая поля и значения, используемые options входная структура в nlinfit (Statistics and Machine Learning Toolbox) функция. Структура может также использовать пары "имя-значение", перечисленные ниже, в качестве полей и значений. Значения по умолчанию для optionStruct те же, что и для options входная структура в nlinfit, за исключением:

  • DerivStep - По умолчанию это меньшее из 1e-4, или значение SolverOptions.RelativeTolerance свойство конфигурации модели, сопоставленное с modelObj, с минимумом eps^(1/3).

  • FunValCheck - По умолчанию это off.

Если у вас есть Parallel Computing Toolbox™, можно включить параллельные вычисления для более быстрого подгонки данных путем установки аргумента пары "имя-значение" 'UseParallel' на true в statset структура опций следующим образом:

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

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

The Name,Value аргументы совпадают с полями и значениями в options структура, принятая nlinfit. Полный список см. в options входной параметр в nlinfit (Statistics and Machine Learning Toolbox) страница с описанием в документации Statistics and Machine Learning Toolbox™. Значения по умолчанию для Name,Value аргументы те же, что и для options структура, принятая nlinfit, за исключением:

  • DerivStep - По умолчанию это меньшее из 1e-4, или значение SolverOptions.RelativeTolerance свойство конфигурации модели, сопоставленное с modelObj, с минимумом eps^(1/3).

  • FunValCheck - По умолчанию это 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 как вход и возвраты beta: 

beta = f(estimate)

Каждый элемент в векторе должен быть одним из этих целых чисел, задающих 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, задающий форму термина ошибки. По умолчанию это 'constant'. Каждая модель определяет ошибку, используя стандартную нормальную (Гауссову) переменную e, значение функции f и один или два параметра a и b. 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 логгирование (y) = журналу (f ) + a * e

Если вы задаете модель ошибки, results выходной аргумент включает в себя errorparam свойство, которое имеет значение:

  • a для 'constant' и 'exponential'

  • b для 'proportional'

  • [a b] для 'combined'

Примечание

Если вы задаете модель ошибки, вы не можете задать веса.

'Weights'

Одно из следующих:

  • Матрица действительных положительных весов, где количество столбцов соответствует количеству откликов. То есть количество столбцов должно равняться количеству записей в DependentVarLabel свойство pkDataObj. Количество строк в матрице должно равняться количеству строк в наборе данных.

  • Указатель на функцию, который принимает вектор предсказанных значений отклика и возвращает вектор действительных положительных весов.

    Примечание

    Если используется указатель на функцию, веса должны быть функцией отклика (зависимая переменная).

По умолчанию нет весов. Если вы задаете веса, вы не можете задать модель ошибки.

'Pooled'

Логическое определение, является ли sbionlinfit делает подбор кривой для каждого индивидуума (false) или если он объединяет все отдельные данные и делает один подходящий (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. Существует один объект на группу, и каждый объект содержит следующие свойства:

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

  • CovarianceMatrix - Предполагаемая ковариационная матрица для подгоняемых коэффициентов.

  • beta - Вектор скаляров, задающий установленные коэффициенты в преобразованном пространстве.

  • R - Вектор скаляров, задающий остаточные значения, где R (i, j) является остаточным для i-го временного момента и j-го отклика в группе данных. Если ваша модель включает:

    • Один ответ, затем R - вектор-столбец остаточных значений, сопоставленных с временными точками в группе данных.

    • Несколько ответов, затем R является матрицей остаточных значений, сопоставленных с временными точками в группе данных, для каждого отклика.

  • J - Матрица, задающая якобиан модели, относительно предполагаемого параметра, то есть

    J(i,j,k)=∂yk∂βj|ti

    где ti - i-й временная точка, βj - j-й оценочный параметр в преобразованном пространстве, а yk - k-й ответ в группе данных.

    Если ваша модель включает:

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

    • Несколько ответов, затем J - трехмерный массив значений якобиана, сопоставленный с временными точками в группе данных, для каждого отклика.

  • COVB - Предполагаемая ковариационная матрица для преобразованных коэффициентов.

  • mse - Скаляр, задающий оценку ошибки члена отклонения.

  • errorparam - Оценочные параметры модели ошибки. Это свойство является скаляром, если вы задаете 'constant', 'exponential', или 'proportional' для модели ошибки. Это свойство является двухэлементным вектором, если вы задаете 'combined' для модели ошибки. Это свойство является пустым массивом, если вы задаете веса, используя 'Weights' аргумент пары "имя-значение".

SimDataI

SimData object содержащие данные из симуляции модели с использованием предполагаемых значений параметров для индивидуумов. Этот объект включает наблюдаемые состояния и записанные состояния.

См. также

| | | | | | | (Statistics and Machine Learning Toolbox)

Темы

Введенный в R2009a

Документация SimBiology

Поддержка