有不同类型的选择要考虑充分利用一个标识:
- 模型订单:订单(na nb nk)控制的:这些配置模型解释变量相关的你需要多少内存模型中计算输出。nk可以由一个独立的分析系统中延迟的时间。你可以尝试各种价值观的na, nb估计和获得的结果进行了比较,也或许是一个独立的测试数据集(验证)。
- 自定义解释变量:订单na, nb生成所谓标准的解释,只是推迟了I / O变量用于计算输出。您还可以添加自己的解释变量的非线性函数的I / O变量。例如,在记忆多项式模型是很常见的,包括解释变量多项式的I / O变量。看到polyreg,addreg为例。
- 类型的非线性:你也可以试试sigmoidnet wavenet看看他们帮助行为比树模型的配分函数。如果使用自定义的解释变量,你也可以试着忽略非线性用“线性”作为非线性的类型,如:模型= nlarx (datae、订单、[]),最后输入参数意味着我们只是使用一个解释变量来计算输出的加权和。看到//www.tianjin-qmedu.com/help/ident/ug/identifying-nonlinear-arx-models.html
- 选择非线性函数还需要配置为改善健康,通常通过调整单元的数量。看到treepartition参考页面,wavenet等更多信息。可以替换字符串表示的非线性函数调用nlarx(例如,“树”)一个对象代表相同的功能但属性配置所需的值。例如:
问= treepartition (“NumberOfUnits”,20);
模型= nlarx (datae、订单、问);
- 搜索选项:试着调整SearchMethod和麦克斯特的选择。这些帮助情况下,估计停止是因为数值优化问题(局部最小值,进展缓慢)。