主要内容

このペ，ジの翻訳は最新ではありません。ここをクリックして，英語の最新版を参照してください。

removeTerms

一般化線形回帰モデルからの項の削除

ペ，ジ内をすべて折りたたむ

構文

NewMdl = removeTerms(mdl,terms)

説明

例

NewMdl= removeTerms (mdl，条款）は,mdlの入力デ，タと設定を使用し，条款の項を削除してあてはめた，一般化線形回帰モデルを返します。

例

すべて折りたたむ

ラ@ @ブスクリプトを開く

予測子を2使用して一般化線形回帰モデルを作成した後，予測子を1。

基となる2の予測子X (: 1)およびX (:, 2)のポアソン乱数を使って標本デ，タを生成します。

rng (“默认”）%用于再现性Rndvars = randn(100,2);X = [2 + rndvars(:，1)，rndvars(:，2)];= exp(1 + X*[1;2]);Y = poissrnd(mu);

ポアソンデ，タの一般化線形回帰モデルを作成します。

mdl = fitglm(X,y，'y ~ x1 + x2'，“分布”，“泊松”）
mdl =广义线性回归模型:log(y) ~ 1 + x1 + x2分布=泊松估计系数:估计SE tStat pValue ________ _________ ______ ______(截距)1.0405 0.022122 47.034 0 x1 0.9968 0.003362 296.49 0 x2 1.987 0.0063433 313.24 0 100个观测值，97个误差自由度离散度:1 Chi^2统计量vs常数模型:2.95e+05, p值= 0

2番目の予測子をモデルから削除します。

mdl1 = removeTerms(mdl，“x2”）
mdl1 =广义线性回归模型:log(y) ~ 1 + x1分布=泊松估计系数:估计SE tStat pValue ________ _________ ______ ______(截距)2.7784 0.014043 197.85 0 x1 1.1732 0.0033653 348.6 0 100个观测值，98个误差自由度离散度:1 Chi^2统计量vs常数模型:1.25e+05, p值= 0

入力引数

すべて折りたたむ

一般化線形回帰モデル。fitglmまたはstepwiseglmを使用して作成したGeneralizedLinearModelオブジェクトとして指定します。

回帰モデルmdlから削除する項。次のいずれかを指定します。

  • 1以上の項を表す，ウィルキンソンの表記法による文字ベクトルまたは字符串スカラ，式。式の変数名は，有効なmatlab®識別子でなければなりません。

  • T行p列の項行列T。Tは項の個数，pはmdl内の予測子変数の個数です。T (i, j)の値は，項我の変数jの指数です。

    たとえば，一个、BおよびCという3の変数がこの順序でmdlに含まれているとします。Tの各行は1の項を表します。

    • [0 0 0]-定数項(切片)

    • [0 10 0]- - - - - -B（A^0 * b ^1 * c ^0と等価)

    • [10 0 1]- - - - - -* C

    • [2 0 0]- - - - - -^ 2

    • [0 1 2]- - - - - -B * (C ^ 2)

removeTermsは，カテゴリカル予測子の指標変数のグル，プを単一の変数として扱います。したがって，モデルから削除する指標変数を指定することはできません。モデルから削除するカテゴリカル予測子が指定された場合，removeTermsは予測子の指標変数のグル，プを一度に削除します。

出力引数

すべて折りたたむ

項が少なくなった一般化線形回帰モデル。GeneralizedLinearModelオブジェクトとして返されます。NewMdlは,mdlの入力デ，タおよび設定を使用し，条款で指定された項をmdlから削除して，新しくあてはめたモデルです。

入力引数mdlを上書きするには，新しくあてはめたモデルをmdlに代入します。

mdl = removeTerms(mdl,terms);

詳細

すべて折りたたむ

ウィルキンソンの表記法

ウィルキンソンの表記法は，モデルに存在する項を記述します。この表記法は,モデルに存在する項に関係するものであり,それらの項の乗数(係数)に関係するものではありません。

ウィルキンソンの表記法では，以下の記号を使用します。

  • +は，次の変数を含むことを意味します。

  • - - - - - -は，次の変数を含まないことを意味します。

  • ：は，項の積である交互作用を定義します。

  • ＊は，交互作用と，より低い次数の項すべてを定義します。

  • ＾は,＊を繰り返した場合とまったく同じ方法で予測子をべき乗にします。このため，＾には，より低い次数の項も含まれます。

  • （）は，項をグル，プ化します。

次の表に，ウィルキンソンの表記法の代表的な例を示します。

ウィルキンソンの表記法 標準表記の項
1 定数 (切片) 項
x1 ^ k、kは正の整数 x1，x12、……x1k
X1 + x2 x1，x2
x1 * x2 x1，x2，x1 * x2
x1, x2 x1 * x2のみ
x2 x2は含めない
X1 *x2 + x3 x1，x2，x3，x1 * x2
X1 + x2 + x3 + X1 = x2 x1，x2，x3，x1 * x2
X1 *x2*x3 - X1:x2:x3 x1，x2，x3，x1 * x2，x1 * x3，x2 * x3
X1 *(x2 + x3) x1，x2，x3，x1 * x2，x1 * x3

詳細は，ウィルキンソンの表記法を参照してください。

アルゴリズム

  • removeTermsでは，カテゴリカル予測子が次のように扱われます。

    • L個のレベル(カテゴリ)があるカテゴリカル予測子をもモデルには，L - 1個の指標変数が含まれています。1番目のカテゴリが基準レベルとして使用されるので、基準レベルに対する指標変数はモデルに含まれません。カテゴリカル予測子のデータ型が分类である場合，类别を使用してカテゴリの順序をチェックし，reordercatsを使用してカテゴリを並べ替えることにより，基準レベルをカスタマ。指標変数の作成の詳細にいては，ダミ，変数の自動作成を参照してください。

    • removeTermsは,L - 1個の指標変数のグル，プを単一の変数として扱います。指標変数を個別の予測子変数として扱うには，dummyvarを使用して指標変数を手動で作成します。そして,モデルをあてはめるときに,カテゴリカル変数の基準レベルに対応するものを除く指標変数を使用します。カテゴリカル予測子Xにいてdummyvar (X)のすべての列と切片項を予測子として指定した場合，計画行列はランク落となります。

    • L個のレベルをもカテゴリカル予測子と連続予測子の間の交互作用項は，L - 1個の指標変数と連続予測子の要素単位の積から構成されます。

    • L個のレベルをもつカテゴリカル予測子とM個のレベルをもつカテゴリカル予測子の間の交互作用項は,2つのカテゴリカル予測子のレベルについて可能なすべての組み合わせを含めるため,(l - 1)*(m - 1)個の指標変数から構成されます。

    • 指標の二乗はそれ自体に等しいので,より次数が高い項をカテゴリカル予測子に対して指定することはできません。

代替機能

  • stepwiseglmを使用して開始モデルの項を指定し，項の追加や削除が有益ではなくなるまでモデルの改善を続けます。

  • 特定の項をモデルに追加するには，addTermsを使用します。

  • 項の追加または削除によってモデルを最適に改善するには，一步を使用します。

拡張機能

参考

|||

トピック

R2012aで導入

统计和机器学习工具箱ドキュメンテ，ション

サポト

機械学習をマスタする:matlabステップ·バステップガド

機械学習をマスタする:matlabステップ·バステップガド

电子书をダウンロドする