随机

模拟线性回归模型的响应

展开全部页面

语法

随机(mdl) ysim = random(mdl,Xnew)

ysim=随机(mdl）模拟拟合线性模型的响应mdl在最初的设计点。

ysim=随机(mdl，Xnew）对象的响应mdl线性模型的数据Xnew，添加随机噪声。

线性模型对象，指定为完整的LinearModel使用fitlm或stepwiselm，或压缩CompactLinearModel使用紧凑的．

新的预测器输入值，指定为表、数据集数组或数字矩阵。

预测平均值Xnew，受随机噪声干扰，返回为数值向量。噪声是独立的正态分布，均值等于零，方差等于模型估计的误差方差。

打开实时脚本

创建一个汽车里程作为重量的函数的模型，并模拟响应。

创建一个二次模型的汽车里程作为一个函数的重量从carsmall数据。

负载carsmallX =重量;y = MPG;mdl = fitlm(X,y，“二次”）;

创建对数据的模拟响应。

Xnew = X;ysim = random(mdl,Xnew);

绘制原始反应和模拟反应，看看它们有什么不同。

情节(X, y,“o”, X, ysim“x”)传说(“数据”，“模拟”）

对于没有随机噪声的预测，使用预测或函数宏指令．

使用注意事项和限制:

该表包含关于参数的注释。

论点注意事项和限制

论点	注意事项和限制
`mdl`	通过使用保存一个训练好的模型`saveCompactModel`，然后使用加载模型`loadCompactModel`在您定义的函数中。如果你训练线性模型使用`fitlm`并指定`“RobustOpts”`属性的匿名函数句柄的结构`RobustWgtFun`字段中,使用`saveCompactModel`保存模型，并使用`loadCompactModel`然后加载模型`loadCompactModel`无法恢复健壮的属性导入MATLAB工作区。然而,`loadCompactModel`可以在编译时加载模型，以便在您定义的函数内生成代码。必须是编译时常数;它的值不能在生成的代码中更改。详情请参见代码生成的`CompactLinearModel`类。
`Xnew`	你必须提供`Xnew`．必须是单精度或双精度矩阵，可以是可变大小。但是，其中的列数`Xnew`必须`元素个数(mdl.PredictorNames)`．行和列必须分别对应于观测值和预测值。

mdl

通过使用保存一个训练好的模型saveCompactModel，然后使用加载模型loadCompactModel在您定义的函数中。
如果你训练线性模型使用fitlm并指定“RobustOpts”属性的匿名函数句柄的结构RobustWgtFun字段中,使用saveCompactModel保存模型，并使用loadCompactModel然后加载模型loadCompactModel无法恢复健壮的属性导入MATLAB工作区。然而,loadCompactModel可以在编译时加载模型，以便在您定义的函数内生成代码。
必须是编译时常数;它的值不能在生成的代码中更改。
详情请参见代码生成的CompactLinearModel类。