GFIT2计算适合回归模型的优点
用法:
[gf] = gfit2(t,y)
[gf] = gfit2(t,y,gfitMeasure)
[gf] = gfit2(t,y,gfitMeasure,选项)
输入:
T:回归模型的矩阵或目标值的向量
Y:回归模型的矩阵或输出向量。
gfitMeasure:代表字符串值的字符串或单元格数组
拟合量的不同形式的态度如下:
“全部” - 计算以下所有措施
'1' - 平均正误差(MSE)
'2' - 归一化平方误差(NMSE)
'3' - 根平方错误(RMSE)
'4' - 归一化均方根误差(NRMSE)
'5' - 平均绝对错误(MAE)
'6' - 平均绝对相对误差(母马)
'7' - 相关系数(R)
'8' - 确定系数(D)
'9' - 效率系数(E)
'10' - 最大绝对错误
'11' - 最大绝对相对错误
选项:包含其他输出选项的字符串,当前唯一的选项是详细输出。
'v' - 详细输出,发布一些文本输出
选定的命令行的措施
输出:
GF:gfitMeasure中每个字符串的模型输出和目标之间拟合值的优点向量
例子
gf = gfit2(t,y);对于列表中的所有统计信息,返回为矢量
gf = gfit2(t,y,'3');对于根平方错误
gf = gfit2(t,y,{'3'});对于根平方错误
gf = gfit2(t,y,{'1''3''9'});对于平均正方错误,根平均值
|平方错误和系数
\ |/效率
gf = [MSE RMSE E]
gf = gfit2(t,y,'all','v');对于列表中的所有统计信息返回
向量,信息发布到
每个统计数字上的命令行
gf = gfit2(t,y,{'1''3''9'},'v');对于均方根错误,root
平均正方错误,并且
效率系数作为
矢量包含有关每个信息的信息
这些也发布到
命令行
引用为
理查德·克罗泽(Richard Crozier)(2022)。适合的优点(修改)(//www.tianjin-qmedu.com/matlabcentral/fileexchange/22020-goodness-joodness-of-fit-modified),MATLAB中央文件交换。检索。