预测
广义线性回归模型的预测的反应
描述
例子
预测响应值
创建一个广义线性回归模型,并预测其应对新数据。
使用泊松随机数生成样本数据有两个潜在的预测因子X (: 1)和X (:, 2)。
rng (“默认”)%的再现性rndvars = randn (100 2);X = [2 + rndvars (: 1), rndvars (:, 2)];μ= exp (1 + X * [1, 2]);y = poissrnd(μ);
创建一个广义泊松数据的线性回归模型。
mdl = fitglm (X, y,“y ~ x1 + x2”,“分布”,“泊松”);
创建数据点的预测。
[Xtest1, Xtest2] = meshgrid (1: .5:3, 2: .5:2);Xnew = [Xtest1 (:), Xtest2 (:));
在数据点预测的反应。
Xnew ypred =预测(mdl);
情节的预测。
冲浪(Xtest1 Xtest2,重塑(ypred 9 9))
为预测生成C / c++代码
适合一个广义线性回归模型,然后保存模型通过使用saveLearnerForCoder。定义一个入口点函数,通过使用加载模型loadLearnerForCoder并调用预测拟合的函数模型。然后使用codegen(MATLAB编码器)来生成C / c++代码。注意,生成C / c++代码需要MATLAB®编码器™。
这个例子简要解释了代码生成工作流的线性回归预测模型在命令行。更多细节,请参阅机器学习模型的代码生成预测在命令行。你还可以生成代码使用MATLAB编码器的应用。代码生成的预测使用MATLAB编码器应用机器学习模型。
火车模型
使用泊松随机数生成样本数据有两个潜在的预测因子X (: 1)和X (:, 2)。
rng (“默认”)%的再现性rndvars = randn (100 2);X = [2 + rndvars (: 1), rndvars (:, 2)];μ= exp (1 + X * [1, 2]);y = poissrnd(μ);
创建一个广义线性回归模型。指定响应的泊松分布。
mdl = fitglm (X, y,“y ~ x1 + x2”,“分布”,“泊松”);
保存模型
将拟合广义线性回归模型保存到该文件GLMMdl.mat通过使用saveLearnerForCoder。
saveLearnerForCoder (mdl“GLMMdl”);
定义入口点函数
在当前文件夹中,定义一个入口点函数命名mypredictGLM.m做以下几点:
接受新输入和有效的名称-值对预测参数。
加载拟合广义线性回归模型
GLMMdl.mat通过使用loadLearnerForCoder。回归预测和置信区间。
函数[yhat, ci] = mypredictGLM (x,变长度输入宗量)% # codegen% MYPREDICTGLM使用GLM模型预测的反应% MYPREDICTGLM预测反应的n n×1的观测%向量x使用的漠视,模型存储在MAT-file GLMMdl.mat,%然后返回yhat n×1的预测向量。% MYPREDICTGLM也返回置信区间的边界% n除以2的预测向量ci。CompactMdl = loadLearnerForCoder (“GLMMdl”);narginchk(正);[yhat, ci] =预测(CompactMdl x,变长度输入宗量{:});结束
添加% # codegen编译器指令(或编译指示)的入口点函数函数签名后,表明您打算为MATLAB算法生成代码。添加这个指令指示MATLAB代码分析器来帮助您诊断和解决违规,将导致错误在代码生成。
生成代码
生成代码的入口点函数使用codegen(MATLAB编码器)。因为C和c++静态类型语言中,您必须确定所有变量的属性在编译时的入口点函数。指定数据类型和准确的输入数组的大小,通过MATLAB®表达式表示的值和特定的数据类型和数组的大小。使用coder.Constant(MATLAB编码器)名称-值对参数的名称。
创建点预测。
[Xtest1, Xtest2] = meshgrid (1: .5:3, 2: .5:2);Xnew = [Xtest1 (:), Xtest2 (:));
同时生成代码并指定返回90%置信区间预测。
codegenmypredictGLMarg游戏{Xnew, coder.Constant(α),0.1,coder.Constant(同步),真正的}
代码生成成功。
codegen生成墨西哥人的功能mypredictGLM_mex与平台相关的扩展。
如果观测的数量在编译时是未知的,您还可以指定输入所适应的使用coder.typeof(MATLAB编码器)。有关详细信息,请参见为代码生成指定适应可变参数和指定入口点函数输入的属性(MATLAB编码器)。
验证生成的代码
比较预测和置信区间预测和mypredictGLM_mex。指定名称-值对参数的顺序arg游戏在调用参数codegen。
[yhat1, ci1] =预测(mdl Xnew,“α”,0.1,“同时”,真正的);[yhat2, ci2] = mypredictGLM_mex (Xnew,“α”,0.1,“同时”,真正的);
返回的值mypredictGLM_mex可能包括舍入值相比差异预测。在这种情况下,允许一个小公差比较值。
找到(abs (yhat1-yhat2) > 1 e-6)
ans = 0 x1空双列向量
找到(abs (ci1-ci2) > 1 e-6)
ans = 0 x1空双列向量
比较证实,返回的值相等的宽容1 e-6。
输入参数
输出参数
选择功能
扩展功能
版本历史
介绍了R2012a
