紧凑型广义线性回归模型类
Compact一项式标Model.
是一个完整的广义线性回归模型对象的压缩版本吗GeneralizedLinearModel
。因为紧凑的模型不存储用于适合拟合过程相关的模型或信息的输入数据,所以aCompact一项式标Model.
对象占用的内存少于GeneralizedLinearModel
对象。您仍然可以使用紧凑的模型来预测使用新输入数据的响应,但有些GeneralizedLinearModel
对象函数不适用于紧凑的模型。
创建一个Compact一项式标Model.
从充分培训的模型GeneralizedLinearModel
模型通过使用袖珍的
。
Fitglm.
返回Compact一项式标Model.
当你使用高阵列和返回时GeneralizedLinearModel
当您使用内存表和数组时。
CoefficientCovariance
- - - - - -系数估计的协方差矩阵系数
- - - - - -系数名称此属性是只读的。
系数名称,指定为字符向量的小区数组,每个传感器阵列包含相应项的名称。
数据类型:细胞
系数
- - - - - -系数值此属性是只读的。
系数值,指定为表。系数
包含一行为每个系数和这些列:
估计
- 估计系数值
SE
- 估计的标准错误
Tstat.
- - - - - -t-统计量用于测试系数为零
pvalue.
- - - - - -p- 为valuet-统计
使用方差分析
(仅用于线性回归模型)或coefTest
对系数进行其他测试。使用coefCI
求系数估计值的置信区间。
要获得这些列中的任何一个向量,请使用点表示法索引属性。例如,得到模型中估计的系数向量mdl
:
β= mdl.Coefficients.Estimate
数据类型:表格
NumCoefficients
- - - - - -模型系数数量此属性是只读的。
模型系数的数量,指定为正整数。NumCoefficients
包括当模型项秩亏时被设置为零的系数。
数据类型:双倍的
numestimatedcoeffients.
- - - - - -估计系数数此属性是只读的。
模型中估计系数的数量,指定为正整数。numestimatedcoeffients.
当模型术语缺陷时,不包括设置为零的系数。numestimatedcoeffients.
是回归的自由度。
数据类型:双倍的
偏见
- - - - - -异常的配合此属性是只读的。
拟合的偏差,指定为数值。当一个模型是另一个模型的特殊情况时,偏差对于比较两个模型非常有用。两种模型的偏差之间的差异具有Chi-Square分布,具有等于两种模型之间估计参数数量的差异的自由度。有关更多信息,请参阅偏见。
数据类型:单身的
|双倍的
教育部
- - - - - -错误自由度此属性是只读的。
错误的自由度(残差),等于观察次数减去估计系数的数量,指定为正整数。
数据类型:双倍的
分散
- - - - - -响应方差的量表因子此属性是只读的。
响应的方差的比例因子,指定为一个数字标量。
如果'DispersensionFlag'
的名称-值对参数Fitglm.
或挺身油
是真正的
,然后该功能估计分散
比例因子在计算方差的响应。响应的方差等于理论方差乘以比例因子。
例如,二项份分布的方差函数是p(1 -p) /n, 在哪里p是概率参数和n为样本大小参数。如果分散
近了1
,数据的方差似乎与二项式分布的理论方差一致。如果分散
大于1
,数据集相对于二项分布是“过分散”的。
数据类型:双倍的
DispersionEstimated
- - - - - -标志表示使用色散比例因子此属性是只读的。
标记,以指示是否Fitglm.
用过分散
缩放因子计算标准误差的系数系数。SE
,指定为一个逻辑值。如果DispersionEstimated
是假
,Fitglm.
使用了方差的理论价值。
DispersionEstimated
可以假
仅适用于二项式和泊松分布。
集DispersionEstimated
通过设置'DispersensionFlag'
的名称-值对参数Fitglm.
或挺身油
。
数据类型:逻辑
loglikelihie
- - - - - -Loglikelihood此属性是只读的。
响应值的模型分布的loglikihie,指定为数值。该平均值从模型中装配,并且估计其他参数作为模型适合的一部分。
数据类型:单身的
|双倍的
ModelCriterion.
- - - - - -模型比较标准此属性是只读的。
模型比较标准指定为具有这些字段的结构:
另类投资会议
-赤池信息标准。AIC = -2 * logl + 2 * m
, 在哪里logL
对数似然和米
是估计参数的数量。
AICC.
- Akaike信息标准校正样本大小。AICc = AIC + (2*m*(m + 1))/(n - m - 1)
, 在哪里n
是观察人数。
BIC
- 贝叶斯信息标准。BIC = -2 *logL + m*log(n)
。
中安集团经贸
- 一致的akaike信息标准。caic = -2 * logl + m *(log(n)+ 1)
。
信息条件是您可以使用的模型选择工具,以比较多个模型适合相同的数据。这些标准是基于可能性的模型拟合措施,包括复杂性的惩罚(具体地,参数的数量)。不同的信息标准通过罚款的形式来区分。
当您比较多个模型时,具有最低信息标准值的模型是最合适的模型。最佳拟合模型可以根据用于模型比较的标准而变化。
要以标量形式获得任何标准值,请使用点表示法将其索引到属性中。例如,获取AIC值另类投资会议
在模型中mdl
:
AIC = mdl.modelcrertion.aic.
数据类型:结构体
rsquared.
- - - - - -模型的r断层值此属性是只读的。
模型的R线值,指定为具有五个字段的结构。
场 | 描述 | 方程 |
---|---|---|
普通的 |
普通(调整)的平方 |
|
调整 |
r²根据系数数进行了调整 |
N是观察到的数量( |
llr. |
Loglikelihood比率 |
l是拟合型号的loglikihie( |
偏见 |
偏差平方 |
D是拟合型号的偏差( |
AdjGeneralized |
调整的广义R角 |
R2AdjGeneralized是Nagelkerke调整吗[2]到Maddala提出的公式[3]考克斯和斯奈尔[4],麦基[5]对于Logistic回归模型。 |
要将这些值作为标量,请使用点表示法索引到属性中。例如,为了在模型中获得调整的R线值mdl
,输入:
r2 = mdl.Rsquared.Adjusted
数据类型:结构体
上交所
- - - - - -误差平方和此属性是只读的。
被指定为数值的平方误差(残差)之和。
数据类型:单身的
|双倍的
苏维埃社会主义共和国
- - - - - -回归平方和此属性是只读的。
成分的回归和指定为数值。正方形的回归和等于从其平均值的拟合值的平方偏差之和。
数据类型:单身的
|双倍的
风场
- - - - - -总平方和此属性是只读的。
总线总和,指定为数值。正方形总和等于响应矢量的平方偏差之和y
来自意思是(y)
。
数据类型:单身的
|双倍的
分布
- - - - - -广义分布信息此属性是只读的。
广义分布信息,指定为具有该表中描述的字段的结构。
场 | 描述 |
---|---|
名称 |
分发的名称:“正常” ,“二” ,'泊松' ,“伽马” , 或者逆高斯分布的 |
脱良功能 |
作为拟合参数值和响应值的函数计算偏差分量的函数 |
VarianceFunction |
以拟合参数值为函数计算分布的理论方差的函数。当DispersionEstimated 是真正的 ,软件将方差函数乘以分散 在计算系数标准错误的计算中。 |
数据类型:结构体
公式
- - - - - -模型信息linearformula
对象此属性是只读的。
模型信息,指定为alinearformula
对象。
显示拟合模型的公式mdl
使用点表示法:
mdl。F或米ula
链接
- - - - - -链接功能此属性是只读的。
链接函数,指定为具有此表中描述的字段的结构。
场 | 描述 |
---|---|
名称 |
链接函数的名称,指定为字符向量。如果使用函数句柄指定链接函数,则名称 是” 。 |
链接 |
函数f它定义了链接函数,指定为函数句柄 |
衍生物 |
衍生物f,指定为函数句柄 |
逆 |
逆的f,指定为函数句柄 |
链接函数是一个函数f连接分布参数μ.到拟合的线性组合XB.预测因子:
f(μ.)=XB.。
数据类型:结构体
NumObservations
- - - - - -观察次数此属性是只读的。
观察次数拟合用于拟合的拟合功能,指定为正整数。NumObservations
原始表、数据集或矩阵中提供的观察数减去任何排除的行(与'排除'
名称值对参数)或具有缺失值的行。
数据类型:双倍的
numpredictors.
- - - - - -预测变量数此属性是只读的。
用于适合模型的预测变量数,指定为正整数。
数据类型:双倍的
numvarialbles.
- - - - - -数量的变量此属性是只读的。
输入数据中的变量数,指定为正整数。numvarialbles.
是原始表或数据集中的变量数,或预测器矩阵和响应向量中的列总数。
numvarialbles.
还包括没有作为预测器或响应用于拟合模型的任何变量。
数据类型:双倍的
预测
- - - - - -用于拟合模型的预测器名称此属性是只读的。
用于适合模型的预测器的名称,指定为字符向量的单元数组。
数据类型:细胞
ResponseName
- - - - - -响应变量名称此属性是只读的。
响应变量名称,指定为字符向量。
数据类型:char
变量税收
- - - - - -有关变量的信息此属性是只读的。
有关包含在内的变量的信息变量
,指定为一个表,每个变量一行,该表中描述的列。
柱子 | 描述 |
---|---|
班级 |
变量类,指定为字符向量的单元格数组,例如“双” 和'分类' |
范围 |
可变范围,指定为传感器的单元格数组
|
InModel |
在拟合模型中变量的指示,指定为一个逻辑向量。这个值是真正的 如果模型包含变量。 |
是基本的 |
分类变量的指示器,指定为逻辑向量。这个值是真正的 如果变量是分类的。 |
变量税收
还包括没有作为预测器或响应用于拟合模型的任何变量。
数据类型:表格
VariableNames
- - - - - -变量的名称此属性是只读的。
变量的名称,指定为字符向量的小区数组。
如果匹配基于表或数据集,则此属性提供表或数据集中变量的名称。
如果拟合是基于预测矩阵和响应向量,VariableNames
控件指定的值“VarNames”
拟合方法的名值对参数。的默认值“VarNames”
是{x1, x2,…,‘xn’,‘y’}
。
VariableNames
还包括没有作为预测器或响应用于拟合模型的任何变量。
数据类型:细胞
coefCI |
广义线性回归模型系数估计的置信区间 |
coefTest |
广义线性回归模型系数的线性假设检验 |
devianceTest |
广义线性回归模型的偏差分析 |
partialDependence |
计算部分依赖 |
绘图竞争依赖性 |
创建部分依赖图(PDP)和个人条件期望图(ICE) |
plotslice. |
通过拟合广义线性回归曲面的切片图 |
收集 |
从GPU中收集机器学习模型的属性 |
将广义线性回归模型拟合到数据中,通过丢弃样本数据和一些与拟合过程有关的信息来减少完整的拟合模型的大小。
加载largedata4reg
数据集,包含15,000个观察数据和45个预测变量。
负载largedata4reg
使用前15个预测器变量将广义线性回归模型拟合到数据。
mdl = fitglm (X (: 1:15), Y);
压缩模型。
compactMdl =紧凑(mdl);
紧凑模型舍弃了原始样本数据和一些与拟合过程有关的信息,比完整模型占用更少的内存。
比较完整模型的尺寸mdl
紧凑型模型compactmdl.
。
var =谁('compactmdl','mdl');[vars(1).bytes,vars(2).bytes]
ans =1×215517 4382500
紧凑型模型消耗比完整模型更少的内存。
偏差是残差平方和的一种推广。它衡量相对于饱和模型的拟合优度。
模型的偏差米1是模型的对数似然差的两倍吗米1饱和模型米年代。饱和模型是一种模型,具有最大参数数量可以估计。
例如,如果你有n观察(y我,我= 1、2、…n),可能有不同的值X我Tβ,那么你可以定义一个饱和模型n参数。让l(b,y)表示带有参数的模型的似然函数的最大值b。然后是模型的偏差米1是
在哪里b1和b年代包含模型的估计参数米1和饱和模型。偏差有卡方分布n- - - - - -p自由度,其中n是饱和模型中的参数数量和p是模型中的参数数量米1。
假设您有两个不同的广义线性回归模型米1和米2,米1有一个术语的子集米2。您可以通过比较偏差来评估模型的拟合性D1和D2两个模型中的一个。偏差的区别是
渐近,D有一个具有自由度的Chi-Square分布v等于估计的参数数量的差异米1和米2。你可以获得p- 通过使用来进行此测试的值1 - chi2cdf (D, v)
。
通常,你检查D使用一个模型米2只有一个常数项,没有预测因子。因此,D有一个Chi-Square分布p- 1的自由度。如果估计了离散度,则差值除以估计的离散度有F分布与p- 1分子自由度和n- - - - - -p分母自由度。
[1]麦克法登,丹尼尔。“有条件的定性选择行为分析。”在经济学中的前沿, P. Zarembka编辑,105-42。纽约:学术出版社,1974。
内格尔科克,新泽西州决定系数一般定义的注记生物统计学78年,没有。3(1991): 691 - 92。
[3] madala, Gangadharrao S。计量经济学中的有限因变量与定性变量。计量经济学社会专著。纽约:剑桥大学出版社,1983。
[4] Cox, D. R.和E. J. Snell。分析二进制数据。第二次。关于统计和应用概率的专着32.伦敦;纽约:1989年Chapman和Hall。
[5]麦基,朗尼。基于Wald和似然比联合显著性检验的r2度量美国统计学家44岁的没有。3(1990年8月):250-53。
使用说明和限制:
以下对象功能完全支持GPU阵列:万博1manbetx
以下对象函数支持适配GPU阵列输入参数的模型对象:万博1manbetx
有关更多信息,请参阅在GPU上运行MATLAB函数(并行计算工具箱)。
您点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。