主要内容

このページの翻訳は最新ではありませ。

addterms.

线形回帰モデルに项项项加

ページページ内をすべて折りたたむ

构文

newmdl = addterms（mdl，术语）

说明

例

newmdl.= addTerms (mdl那条款的）はmdlのの力データおよび设定および设定使使使使使使条款の项を追加して，あてはめた线形回帰モデルを返します。

例

すべて折りたたむ

ライブスクリプトを开く

交互作用がcarsmall[

carsmallデータセットを読み込み,重量およびモデル年の関数としてMPGのモデルを作成します。

加载carsmallTBL =表（MPG，重量）;tbl.year =分类（model_year）;mdl = fitlm（tbl，'mpg〜年+重量^ 2'的）
MDL =线性回归模型：MPG〜1 +重量+年+重量^ 2估计系数：估计硒p PValue __________ _________________________________________________________________________________________________031249 -5.016404 0.0031249 -5.016404 0.0031249 -5.2493 1.0283E-06 _0.71491 2.9215 0.0044137年_8281.041 2.6364E-16重量^ 2 1.5573C-06 4.9454C-07 4.149 0.0022303观察数：94，误差自由度：89根均匀误差：2.78 R线：0.885，调整r-SQUARED：0.88 F统计与常数型号：172，P值= 5.52E-41

このモデルには，拦截那重量那Year_76那Year_82那重量^ 2.という5つの项が含まれいます。Year_76とYear_82は，3つの异なる値をもつカテゴリカル数年のの数量です。

変年と数重量の间のの作用项をmdlに追加します。

条款='年*重量';newmdl = addterms（mdl，术语）
NewMdl =线性回归模型:MPG ~ 1 +权重*年份+权重^2估计系数:估计SE tStat pValue ___________ __________ ________ __________(截距)48.045 6.779 7.0874 3.3967e-10重量-0.012624 0.0041455 -3.0454 0.0030751 Year_76 2.7768 3.0538 0.90931 0.3657 Year_82 16.416 4.9802 3.2962 0.001494 0.82333重量:Year_76 -0.00020693 0.00092403 -0.22394 0.82333重量^21.0121e-06 6.12e-07 1.6538 0.10177观察数:94，误差自由度:87均方根误差:2.76 r平方:0.89，调整后r平方:0.882 F-statistic vs. 117常数模型:117,p值= 1.88e-39

newmdl.には，重量*年份_76および重量*年份_82という2つの项が追加されています。

入力数

すべて折りたたむ

线形モデル。Fitlm.またはStepwiselm.を使用して作成したlinearmodel.オブジェクトとして指定します。

回帰モデルmdlに追いずれ项。

  • 1つ脚上の项表す，ウィルキンソンの表记法による文字ベクトルまたは弦または式。式式数は，有效なmatlab®识别子でなければなりません。

  • t行p列の項行列T..tは项の数，pはmdl内の予测子函数​​です数ですT（i，j）のの値，项一世の数jのの数です。

    たとえば一个那B.およびCという3つの変数がこのででmdlに含まれているとますます。T.の各行は1つの项を表します。

    • (0 0 0)- 定数项（切片）

    • [0 1 0]-B.（a ^ 0 * b ^ 1 * c ^ 0と等価）

    • (1 0 1)-A * C.

    • [2 0 0]-^ 2.

    • [0 1 2]-B *（C ^ 2）

addterms.は，カテゴリカル予测子の指标変数のグループを単一の変数として扱います。したがって，モデルに追加する指标変数を指定することはできません。モデルに追加するカテゴリカル予测子が指定された场合，addterms.はは子の指标指标​​のを一度に追加。步骤のの用による线形回帰モデルの正を参照してください。

出力数

すべて折りたたむ

项が追加された线形回帰モデル。linearmodel.オブジェクトとして返されます。newmdl.はmdlのの力データと设定と设定使使使使使使条款で指定された項を追加して新しくあてはめたモデルです。

入力数mdlを上书するするはは，新しくあてはめたモデルをmdlに代入します。

mdl = addterms（mdl，术语）;

详细

すべて折りたたむ

ウィルキンソンの表记法

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记法で，以下の编号ををし。

  • +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，项の积である交互

  • *は,交互作用と,より低い次数の項すべてを定義します。

  • ^は*，^には，より低い次数の项も含まれます。

  • （）は，项项をグループグループし

次の表に，ウィルキンソンの表记法の代表的な例を示します。

ウィルキンソンの表记法 標準表記の項
1 参数（切片）项
X1 ^ K.那K.は正の整数 X1那X12，......，X1K.
x1 + x2 X1那X2
x1 * x2 X1那X2那x1 * x2
x1, x2 x1 * x2のみ
-x2 X2は含めない
x1 * x2 + x3 X1那X2那X3那x1 * x2
x1 + x2 + x3 + x1：x2 X1那X2那X3那x1 * x2
x1 * x2 * x3 - x1：x2：x3 X1那X2那X3那x1 * x2那x1 * x3那x2 * x3
x1 *（x2 + x3） X1那X2那X3那x1 * x2那x1 * x3

详细は，ウィルキンソンの表记法を参照してください。

アルゴリズム

  • addterms.では,カテゴリカル予測子が次のように扱われます。

    • l个个の（カテゴリ）があるカテゴリカルカテゴリカル子をもつモデルは，L - 1个の指标指标​​が含まていますますレベル番目カテゴリがレベルとしてさので，基本レベルれ指标カテゴリカルに子れませんがカテゴリカルカテゴリカル子分类であるである合，类别を使用してカテゴリの順序をチェックし,雷德斯指标指标のによりによりべ替えることべ替えるのは。ダミー函数の自动作作作作者を参照してください。

    • addterms.はL - 1个の指标指标​​のを単単のますますます。戴维尔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についてdummyvar (X)のすべての列と项を子として指定たた场场场ますますなりなりなりなり

    • l个のレベルをもつカテゴリカル子と连続连続子の间の交互作用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个个のレベルレベルをもつカテゴリカル子とm个ののをカテゴリカルカテゴリカル子间の交互作用项は，2つのカテゴリカルカテゴリカル子のについてななののわせをため（L - 1）*（M - 1）個の指標変数から構成されます。

    • 00

代替机械

  • Stepwiselm.を使使しモデルモデルのではなくなるなるの改善続けますますますますますますますますを続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け続け

  • 特价の项をモデルから削除するは，removeterms.を使使し。

  • 项の追加または削除によってモデルを最适に改善には，步を使使し。

拡张机械

参考

|||

トピック

R2012Aで导入

统计和机器学习工具箱ドキュメンテーション

サポート

機械学習をマスターする:MATLABステップ・バイ・ステップガイド

機械学習をマスターする:MATLABステップ・バイ・ステップガイド

电子书をダウンロードする