plot

Постройте функцию выживания для ковариационного выживания, остающегося модель срока полезного использования

Описание

пример

plot(mdl) строит базовую функцию выживания подходящей ковариационной модели mdl выживания против пожизненного значения, для которого это было вычислено. Данные о графике хранятся в BaselineCumulativeHazard свойство mdl.

пример

plot(mdl,covariates) строит функцию выживания, вычисленную для ковариационных данных в covariates. Чтобы получить функцию выживания, показатель риска вычислен с помощью ковариантов и объединен с базовой функцией выживания.

Примеры

свернуть все

Загрузите обучающие данные.

load('covariateData.mat')

Эти данные содержат времена выброса батареи и связали ковариационную информацию. Ковариационные переменные:

  • Температура

  • Загрузка

  • Производитель

Информацией о производителе является категориальная переменная, которая должна быть закодирована.

Создайте ковариационную модель выживания.

mdl = covariateSurvivalModel;

Обучите модель выживания использование обучающих данных, задав пожизненную переменную, переменные данных и закодированную переменную. Нет никакой переменной цензора для этого обучающих данных.

fit(mdl,covariateData,"DischargeTime",["Temperature","Load","Manufacturer"],[],"Manufacturer")
Successful convergence: Norm of gradient less than OPTIONS.TolFun

Постройте базовую функцию выживания для модели.

plot(mdl)

Figure contains an axes object. The axes object with title Survival Function Plot contains an object of type stair. This object represents Baseline Survival Function.

Загрузите обучающие данные.

load('covariateData.mat')

Эти данные содержат времена выброса батареи и связали ковариационную информацию. Ковариационные переменные:

  • Температура

  • Загрузка

  • Производитель

Информацией о производителе является категориальная переменная, которая должна быть закодирована.

Создайте ковариационную модель выживания и обучите ее с помощью обучающих данных.

mdl = covariateSurvivalModel('LifeTimeVariable',"DischargeTime",'LifeTimeUnit',"hours",...
   'DataVariables',["Temperature","Load","Manufacturer"],'EncodedVariables',"Manufacturer");
fit(mdl,covariateData)
Successful convergence: Norm of gradient less than OPTIONS.TolFun

Предположим, что вам произвел блок батарей производитель B это запустилось для 30 часы. Составьте таблицу тестовых данных, которая содержит время использования, DischargeTime, и измеренная температура окружающей среды, TestAmbientTemperature, и текущий чертивший, TestBatteryLoad.

TestBatteryLoad = 25;
TestAmbientTemperature = 60; 
DischargeTime = hours(30);
TestData = timetable(TestAmbientTemperature,TestBatteryLoad,"B",'RowTimes',hours(30));
TestData.Properties.VariableNames = {'Temperature','Load','Manufacturer'};
TestData.Properties.DimensionNames{1} = 'DischargeTime';

Предскажите RUL для батареи.

estRUL = predictRUL(mdl,TestData)
estRUL = duration
   38.332 hr

Постройте функцию выживания для ковариационных данных батареи.

plot(mdl,TestData)

Figure contains an axes object. The axes object with title Survival Function Plot contains 2 objects of type stair. These objects represent Baseline Survival Function, Current Survival Function.

Входные параметры

свернуть все

Ковариационная модель RUL выживания в виде a covariateSurvivalModel объект.

plot отображает данные на графике в BaselineCumulativeHazard свойство mdl, который является массивом 2D столбца. Второй столбец содержит базовые значения функций выживания, и первый столбец содержит соответствующие пожизненные значения. Пожизненные значения построены в модулях, заданных LifeTimeUnits свойство mdl.

Текущие ковариационные значения для компонента в виде a:

  • Вектор-строка, элементы которого задают ковариационные значения компонента только а не пожизненные значения. Количество ковариационных значений должно совпадать с номером и порядком ковариационных столбцов данных, используемых при оценке mdl использование fit.

  • table или timetable с одной строкой. Таблица должна содержать переменные, заданные в DataVariables свойство mdl.

Если ковариационные данные содержат закодированные переменные, то необходимо задать covariates использование a table или timetable.

Чтобы получить функцию выживания, показатель риска вычислен с помощью ковариантов и объединен с базовой функцией выживания. Для получения дополнительной информации смотрите Cox Пропорциональная Модель Опасностей.

Введенный в R2018a
Для просмотра документации необходимо авторизоваться на сайте