random

ランダム ノイズがある応答を線形回帰モデルに対してシミュレート

構文

ysim = random(mdl,Xnew)

説明

ysim = random(mdl,Xnew) は、線形モデル mdl を使用し、ランダム ノイズを追加して、Xnew 内の予測子データに対する応答をシミュレートします。

例

ランダム ノイズがある応答データのシミュレート

carsmall データ セットから、自動車の燃費の 2 次モデルを重量の関数として作成します。

load carsmall
X = Weight;
y = MPG;
mdl = fitlm(X,y,'quadratic');

ランダム ノイズがあるシミュレートされた応答をデータに対して作成します。

ysim = random(mdl,X);

元の応答とシミュレートされた応答をプロットして、相違点を確認します。

plot(X,y,'o',X,ysim,'x')
legend('Data','Simulated')

入力引数

mdl — 線形回帰モデル オブジェクト

LinearModel オブジェクト | CompactLinearModel オブジェクト

線形回帰モデル オブジェクト。fitlm または stepwiselm を使用して作成した LinearModel オブジェクト、または compact を使用して作成した CompactLinearModel オブジェクトとして指定します。

Xnew — 新しい予測子の入力値

table | 行列

新しい予測子の入力値。table または行列として指定します。Xnew の各行は 1 つの観測値に対応し、各列は 1 つの変数に対応します。

• Xnew が table である場合、mdl の PredictorNames プロパティの予測子と同じ名前の予測子が含まれていなければなりません。

• Xnew が行列である場合、mdl の作成に使用した予測子入力と同じ個数の変数 (列) が同じ順序で含まれていなければなりません。mdl の作成に使用する変数は、すべて数値でなければなりません。数値予測子をカテゴリカルとして扱うには、mdl を作成するときに名前と値の引数 CategoricalVars を使用して予測子を指定します。

当てはめたモデルで予測子として使用されない予測子変数も Xnew にすべて含めなければならないことに注意してください。

データ型: single | double | table

出力引数

ysim — シミュレートされた応答値

数値ベクトル

シミュレートされた応答値。数値ベクトルとして返されます。シミュレートされた値は、ランダム ノイズによる変動がある、Xnew で予測された応答値です。ノイズは独立しており、平均が 0、分散がモデルの推定誤差分散に等しい正規分布に従います。

代替機能

ランダム ノイズのない予測では、predict または feval を使用します。この 2 つの関数は、同じ予測を行います。

• predict は、すべての予測子変数を格納する単一の入力引数を受け入れ、予測に対する信頼区間を返します。

• feval は、各予測子変数に 1 つの入力が対応する複数の入力引数を受け入れます。

拡張機能

C/C++ コード生成

MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上の注意および制限:

• saveLearnerForCoder、loadLearnerForCoder および codegen (MATLAB Coder) を使用して、関数 random のコードを生成します。saveLearnerForCoder を使用して、学習済みモデルを保存します。loadLearnerForCoder を使用して保存済みモデルを読み込んで関数 random を呼び出す、エントリポイント関数を定義します。次に、codegen を使用して、エントリポイント関数のコードを生成します。

• 以下のいずれかに該当する場合、random は MATLAB^® と異なる数列を返す可能性があります。

  • 出力が非スカラーである。

  • 分布に対して入力パラメーターが無効である。

• 次の表は、random の引数に関する注意です。この表に含まれていない引数は、完全にサポートされています。

  引数	注意と制限
  mdl	fitlm を使用し、RobustWgtFun フィールドに無名関数ハンドルを設定した構造体を 'RobustOpts' に対して指定することにより線形モデルに学習をさせた場合に、saveLearnerForCoder を使用してモデルを保存してから、loadLearnerForCoder を使用してモデルを読み込んだとします。この場合、loadLearnerForCoder は Robust プロパティを MATLAB ワークスペースに復元できません。しかし loadLearnerForCoder は、コード生成用のエントリポイント関数内でコンパイル時にモデルを読み込むことができます。 モデル オブジェクトの使用上の注意および制限については、CompactLinearModel オブジェクトのコード生成を参照してください。
  Xnew	Xnew は、単精度または倍精度の行列か、数値変数、カテゴリカル変数、またはその両方を含む table でなければなりません。 Xnew の行数、または観測値の数は可変サイズにすることができますが、Xnew の列数は固定でなければなりません。 Xnew を table として指定する場合、モデルは table を使用して学習させたものでなければならず、かつ予測のためのエントリポイント関数が次を行うようにしなければなりません。 データを配列として受け入れる データ入力の引数から table を作成し、その table 内で変数名を指定する table を predict に渡す この table のワークフローの例については、table のデータを分類するためのコードの生成を参照してください。コード生成における table の使用の詳細については、table のコード生成 (MATLAB Coder)およびコード生成における table の制限事項 (MATLAB Coder)を参照してください。

詳細は、コード生成の紹介を参照してください。

GPU 配列

Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

この関数は、GPU 配列を完全にサポートします。詳細は、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。

バージョン履歴

R2012a で導入

参考

CompactLinearModel | LinearModel | predict | feval

トピック

• 新しいデータに対する応答を予測またはシミュレート
• 線形回帰ワークフロー
• 線形回帰の結果の解釈
• 線形回帰