非线性模型类

非线性回归模型类

在第页中展开全部

描述

一种对象，包括训练数据、模型描述、诊断信息和非线性回归的拟合系数。预测模型响应与预测或函数宏指令方法。

建设

创建一个非线性模型对象使用fitnlm．

属性

全部展开

`系数协方差`- - - - - -系数估计的协方差矩阵
数字矩阵

此属性是只读的。

系数估计的协方差矩阵，指定为p——- - - - - -p数值矩阵。p为拟合模型中系数的个数。

有关详细信息,请参见系数标准误差和置信区间．

数据类型:单|双

`CoefficientNames`- - - - - -系数名称
字符向量的单元格数组

此属性是只读的。

系数名称，指定为字符向量的单元数组，每个单元包含相应项的名称。

数据类型:单间牢房

`系数`- - - - - -系数值
桌子

此属性是只读的。

系数值，指定为表。系数包含每行系数和这些列:

估计-估计系数值
SE-估计的标准误差
tStat- - - - - -t-系数为零的测试的统计量
pValue- - - - - -p价值的t统计

使用方差分析(仅适用于线性回归模型)或同等对系数进行其他测试。使用coefCI求系数估计的置信区间。

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，得到模型中估计的系数向量mdl：

β=mdl.系数.估计值

数据类型:桌子

`诊断`- - - - - -诊断信息
桌子

此属性是只读的。

模型的诊断信息，指定为表。诊断可以帮助确定异常值和有影响的观察结果。诊断包含以下字段。

场	意义	实用程序
`影响力`	对角元素的`HatMatrix`	杠杆指示观察的预测值在多大程度上是由该观察的观察值决定的。接近于`1`表明预测在很大程度上取决于该观测值，而其他观测值的贡献很小。接近`0`表明拟合程度很大程度上取决于其他观察结果。对于具有`P`系数和`N`的平均值`影响力`是`P / N`.一项与`影响力`大于`2 * P / N`可被视为具有高杠杆。
`CooksDistance`	Cook对拟合值比例变化的测量	`CooksDistance`是拟合值按比例变化的度量。使用`CooksDistance`大于库克平均距离的三倍可能是异常值。
`HatMatrix`	根据观测响应计算拟合的投影矩阵	`HatMatrix`是一个`N`——- - - - - -`N`矩阵使得`已安装=HatMatrix*Y`,在那里`Y`是响应向量和吗`安装`是拟合响应值的向量。

数据类型:桌子

`教育部`- - - - - -误差的自由度
正整数

此属性是只读的。

误差(残差)的自由度，等于观测数减去估计系数数，指定为正整数。

数据类型:双

`安装`- - - - - -基于输入数据的拟合响应值
数值向量

此属性是只读的。

基于输入数据的拟合（预测）值，指定为数值向量。fitnlm企图安装尽可能接近响应数据。

数据类型:单|双

`公式`- - - - - -模型信息
`非线性公式`对象

此属性是只读的。

模型信息，指定为非线性公式对象

显示拟合模型的公式mdl通过使用点表示法。

mdl.公式

`迭代`- - - - - -有关拟合过程的信息
结构

此属性是只读的。

关于装配过程的信息，指定为具有以下字段的结构:

InitialCoefs-初始系数值β0向量)
伊特罗普斯-方案中包括的选项选项的名称-值对参数fitnlm．

数据类型:结构体

`LogLikelihood`- - - - - -Loglikelihood
数值

此属性是只读的。

在响应值处模型分布的对数似然性，指定为数值。平均值是根据模型拟合的，其他参数是作为模型拟合的一部分估计的。

数据类型:单|双

`ModelCriterion`- - - - - -模型比较准则
结构

此属性是只读的。

模型比较标准，指定为具有以下字段的结构:

另类投资会议-Akaike信息标准。AIC = -2 *logL + 2*m,在那里对数loglikelihood和米为估计参数的个数。
AICc-Akaike信息标准针对样本量进行了修正。AICc=AIC+（2*m*（m+1））/（n-m-1）,在那里n为观察次数。
BIC-贝叶斯信息准则。BIC=–2*logL+m*log（n）．
CAIC-一致的赤池信息准则。CAIC = -2 *logL + m*(log(n) + 1)．

信息标准是模型选择工具，您可以使用它来比较适合同一数据的多个模型。这些标准是基于可能性的模型拟合度量，其中包括对复杂性的惩罚(特别是参数的数量)。不同的信息标准通过惩罚的形式来区分。

当比较多个模型时，信息准则值最低的模型是拟合最好的模型。最佳拟合模型可以根据模型比较所用的标准而变化。

要以标量形式获取任何标准值，请使用点表示法对属性进行索引。例如，获取AIC值艾克在模型中mdl：

aic = mdl.ModelCriterion.AIC

数据类型:结构体

`均方误差`- - - - - -均方误差
数值

此属性是只读的。

均方误差，指定为数值。均方误差是模型中误差项方差的估计值。

数据类型:单|双

`NumCoefficients`- - - - - -模型系数数
正整数

此属性是只读的。

拟合模型中系数的数目，指定为正整数。NumCoefficients与NumEstimatedCoefficients为非线性模型对象。NumEstimatedCoefficients等于回归的自由度。

数据类型:双

`NumEstimatedCoefficients`- - - - - -估计系数的数目
正整数

此属性是只读的。

拟合模型中估计系数的数目，指定为正整数。NumEstimatedCoefficients与NumCoefficients为非线性模型对象。NumEstimatedCoefficients等于回归的自由度。

数据类型:双

`NumPredictors`- - - - - -预测变量的数量
正整数

此属性是只读的。

用于拟合模型的预测变量数量，指定为正整数。

数据类型:双

`NumVariables`- - - - - -数量的变量
正整数

此属性是只读的。

输入数据中变量的数量，指定为正整数。NumVariables为原始表或数据集中变量的数量，或预测器矩阵和响应向量中列的总数。

NumVariables也包括任何变量，不是用来适合模型作为预测或作为响应。

数据类型:双

`ObservationInfo`- - - - - -观测信息
桌子

此属性是只读的。

观测信息，指定为n表4,n等于输入数据的行数。ObservationInfo包含该表中描述的列。

列	描述
`权重`	观察权值，指定为数值。默认值为`1`．
`被排除在外`	排除观察的指标，指定为逻辑值。这个值是`符合事实的`如果你用`“排除”`名称-值对的论点。
`失踪`	缺少观测值的指示器，指定为逻辑值。该值为`符合事实的`如果观察缺失。
`子集`	拟合函数是否使用观测值的指标，指定为逻辑值。这个值是`符合事实的`如果观察值未被排除或丢失，则表示拟合函数使用观察值。

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，获取权值向量w模型的mdl：

w = mdl.ObservationInfo.Weights

数据类型:桌子

`观测名称`- - - - - -观察的名字
字符向量的单元格数组

此属性是只读的。

观察名称，指定为字符向量的单元格数组，其中包含拟合中使用的观察名称。

如果拟合基于包含观测名称的表或数据集，观测名称使用这些名称。
否则,观测名称为空单元格数组。

数据类型:单间牢房

`PredictorNames`- - - - - -用于拟合模型的预测值的名称
字符向量的单元格数组

此属性是只读的。

用于拟合模型的预测器名称，指定为字符向量的单元数组。

数据类型:单间牢房

`残差`- - - - - -拟合模型的残差
桌子

此属性是只读的。

拟合模型的残差，指定为一个表，其中包含每个观测的一行和表中描述的列。

列	描述
`生`	观测值减去拟合值
`皮尔森`	原始残差除以均方根误差(RMSE)
`标准化`	原始残差除以估计标准差
`残差`	原始残差除以残差标准差的独立估计。观测残差我除以基于除观测外的所有观测的误差标准差的估计值我．

使用plotResiduals创建残差图。有关详细信息，请参阅残差．

由于缺少值，拟合中未使用行（在ObservationInfo。失踪)或排除值(在ObservationInfo。被排除在外)包含南值。

要获取这些列中的任何一列作为向量，请使用点表示法在属性中建立索引。例如，获取原始残差向量r在模型中mdl：

r = mdl.Residuals.Raw

数据类型:桌子

`ResponseName`- - - - - -响应变量名
特征向量

此属性是只读的。

响应变量名，指定为字符向量。

数据类型:字符

`RMSE`- - - - - -均方根误差
数值

此属性是只读的。

均方根误差，指定为数值。均方根误差是模型中误差项的标准差的估计。

数据类型:单|双

`健壮的`- - - - - -稳健拟合信息
结构

此属性是只读的。

鲁棒拟合信息，指定为具有以下字段的结构:

场	描述
`WgtFun`	鲁棒加权函数，如`“bisquare”`(见`robustfit`）
`调优`	为调优参数指定的值(可以是`［］`）
`权重`	稳健拟合最终迭代中使用的权重向量

这个结构是空的，除非fitnlm用稳健回归建立模型。

数据类型:结构体

`Rsquared`- - - - - -模型的r平方值
结构

此属性是只读的。

模型的r平方值，指定为具有两个字段的结构:

普通的-普通(未调整)r平方
调整- r平方调整系数的数量

r平方值是模型所解释的总平方和的比例。一般的r平方值与固态继电器和SST特性：

Rsquared=SSR/SST，

在哪里SST是总平方和，和固态继电器是回归平方和。

有关详细信息,请参见决定系数(R-Squared)．

要以标量形式获取这些值中的任何一个，请使用点表示法将其索引到属性中。例如，在模型中获得调整后的R平方值mdl：

r2 = mdl.Rsquared.Adjusted

数据类型:结构体

`上海证券交易所`- - - - - -误差平方和
数值

此属性是只读的。

误差的平方和(残差)，指定为一个数值。

数据类型:单|双

`固态继电器`- - - - - -回归平方和
数值

此属性是只读的。

回归平方和，指定为一个数值。回归平方和等于拟合值离均值的方差平方和。

数据类型:单|双

`SST`- - - - - -总平方和
数值

此属性是只读的。

用数值指定的平方和的总和。总平方和等于响应向量的偏差平方和y从意思是(y)．

数据类型:单|双

`VariableInfo`- - - - - -信息变量
桌子

此属性是只读的。

包含变量的信息变量，指定为一个表，其中每个变量和该表中描述的列各有一行。

列	描述
`类`	变量类，指定为字符向量的单元格数组，例如`“双人”`和`“分类”`
`范围`	变量范围，指定为向量单元格数组连续变量-二元向量`［最小值，最大值］`，最小值和最大值分类变量-不同变量值的向量
`InModel`	拟合模型中变量的指示器，指定为逻辑向量。值为`符合事实的`如果模型包含该变量。
`IsCategorical`	分类变量的指示符，指定为逻辑向量。这个值是`符合事实的`如果变量是分类的。

VariableInfo也包括任何变量，不是用来适合模型作为预测或作为响应。

数据类型:桌子

`VariableNames`- - - - - -变量的名字
字符向量的单元格数组

此属性是只读的。

变量名，指定为字符向量的单元格数组。

如果拟合基于表或数据集，则此属性提供表或数据集中变量的名称。
如果拟合基于预测矩阵和响应向量，VariableNames属性指定的值“VarNames”拟合方法的名称-值对参数。的默认值为“VarNames”是{'x1'，'x2'，…，'xn'，'y'}．

VariableNames也包括任何变量，不是用来适合模型作为预测或作为响应。

数据类型:单间牢房

`变量`- - - - - -输入数据
桌子

此属性是只读的。

输入数据，指定为表。变量包含预测值和响应值。如果拟合基于表或数据集数组，变量包含表或数据集数组中的所有数据。否则,变量是否从输入数据矩阵创建了一个表X响应向量y．

变量也包括任何变量，不是用来适合模型作为预测或作为响应。

数据类型:桌子

方法

coefCI	非线性回归模型系数估计的置信区间
同等	非线性回归模型系数的线性假设检验
disp	显示非线性回归模型
函数宏指令	评估非线性回归模型预测
适合	(不推荐)拟合非线性回归模型
绘图诊断	绘图诊断非线性回归模型
plotResiduals	非线性回归模型的残差图
绘图切片	通过拟合非线性回归曲面绘制切片
预测	预测非线性回归模型的响应
随机	模拟非线性回归模型的响应

复制语义

要了解值类如何影响复制操作，请参阅复制对象（MATLAB）。

例子

全部崩溃

拟合非线性回归模型

打开实时脚本

拟合汽车里程的非线性回归模型carbig数据。预测一辆普通汽车的里程。

加载示例数据。创建一个矩阵X包含马力的测量值(马力)及重量(重量)创建一个向量y包含以英里每加仑为单位的响应值(英里/加仑).

负载carbigX =(功率、重量);y = MPG;

拟合非线性回归模型。

Modelfun = @(b,x)b(1) + b(2)*x(:，1).^b(3) +．..b (4) * x(:, 2)。^ b (5);β = [-50 500 -1 500 -1];mdl = fitnlm (X, y, modelfun beta0)

mdl =非线性回归模型:y ~ b1 + b2*x1^b3 + b4*x2^b5 Estimated Coefficients: Estimated SE tStat pValue ________ _______ ________ ________ b1 -49.383 119.97 -0.41164 0.68083 b2 376.43 567.05 0.66384 0.50719 b3 -0.78193 0.47168 -1.6578 0.098177 b4 422.37 776.02 0.54428 0.58656 b5 -0.24127 0.48325 -0.49926 0.61788观测数:392，误差自由度:387均方根误差:3.96 R-Squared: 0.745，校正R-Squared 0.743 F-statistic vs. constant model: 283, p-value = 1.79e-113

找出一辆普通汽车的预期里程。由于示例数据包含一些缺失的(南)观察，使用中庸．

Xnew = nanmean (X)

Xnew =1×210^3.× 0.1051 2.9794

Xnew MPGnew =预测(mdl)

MPGnew = 21.8073

另请参阅

主题

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一步一步的指导与MATLAB

下载电子书

非线性模型类

描述

建设

属性

系数协方差- - - - - -系数估计的协方差矩阵数字矩阵

CoefficientNames- - - - - -系数名称字符向量的单元格数组

系数- - - - - -系数值桌子

诊断- - - - - -诊断信息桌子

教育部- - - - - -误差的自由度正整数

安装- - - - - -基于输入数据的拟合响应值数值向量

公式- - - - - -模型信息非线性公式对象

迭代- - - - - -有关拟合过程的信息结构

LogLikelihood- - - - - -Loglikelihood数值

ModelCriterion- - - - - -模型比较准则结构

均方误差- - - - - -均方误差数值

NumCoefficients- - - - - -模型系数数正整数

NumEstimatedCoefficients- - - - - -估计系数的数目正整数

NumPredictors- - - - - -预测变量的数量正整数

NumVariables- - - - - -数量的变量正整数

ObservationInfo- - - - - -观测信息桌子

观测名称- - - - - -观察的名字字符向量的单元格数组

PredictorNames- - - - - -用于拟合模型的预测值的名称字符向量的单元格数组

残差- - - - - -拟合模型的残差桌子

ResponseName- - - - - -响应变量名特征向量

RMSE- - - - - -均方根误差数值

健壮的- - - - - -稳健拟合信息结构

Rsquared- - - - - -模型的r平方值结构

上海证券交易所- - - - - -误差平方和数值

固态继电器- - - - - -回归平方和数值

SST- - - - - -总平方和数值

VariableInfo- - - - - -信息变量桌子

VariableNames- - - - - -变量的名字字符向量的单元格数组

变量- - - - - -输入数据桌子

方法

复制语义

例子

拟合非线性回归模型

更多关于

帽子矩阵

影响力

库克距离

另请参阅

主题

统计和机器学习工具箱文档

万博1manbetx

掌握机器学习:一步一步的指导与MATLAB

`系数协方差`- - - - - -系数估计的协方差矩阵
数字矩阵

`CoefficientNames`- - - - - -系数名称
字符向量的单元格数组

`系数`- - - - - -系数值
桌子

`诊断`- - - - - -诊断信息
桌子

`教育部`- - - - - -误差的自由度
正整数

`安装`- - - - - -基于输入数据的拟合响应值
数值向量

`公式`- - - - - -模型信息
`非线性公式`对象

`迭代`- - - - - -有关拟合过程的信息
结构

`LogLikelihood`- - - - - -Loglikelihood
数值

`ModelCriterion`- - - - - -模型比较准则
结构

`均方误差`- - - - - -均方误差
数值

`NumCoefficients`- - - - - -模型系数数
正整数

`NumEstimatedCoefficients`- - - - - -估计系数的数目
正整数

`NumPredictors`- - - - - -预测变量的数量
正整数

`NumVariables`- - - - - -数量的变量
正整数

`ObservationInfo`- - - - - -观测信息
桌子

`观测名称`- - - - - -观察的名字
字符向量的单元格数组

`PredictorNames`- - - - - -用于拟合模型的预测值的名称
字符向量的单元格数组

`残差`- - - - - -拟合模型的残差
桌子

`ResponseName`- - - - - -响应变量名
特征向量

`RMSE`- - - - - -均方根误差
数值

`健壮的`- - - - - -稳健拟合信息
结构

`Rsquared`- - - - - -模型的r平方值
结构

`上海证券交易所`- - - - - -误差平方和
数值

`固态继电器`- - - - - -回归平方和
数值

`SST`- - - - - -总平方和
数值

`VariableInfo`- - - - - -信息变量
桌子

`VariableNames`- - - - - -变量的名字
字符向量的单元格数组

`变量`- - - - - -输入数据
桌子