主要内容

评估报告

什么是评估报告?

的评估报告包含关于用于模型估计的结果和选项的信息。该报告存储在报告估计模型的属性。报告的确切内容取决于用于获得模型的估计函数。

具体而言，评估报告包含以下信息:

  • 模型的状态——模型是构造的还是估计的

  • 在估计过程中如何处理初始条件

  • 迭代估计算法的终止条件

  • 最终预测误差(FPE)、与估计数据的拟合度百分比和均方误差(MSE)

  • 原始、归一化和小样本量修正的赤池信息准则(AIC)和贝叶斯信息准则(BIC)

  • 估计数据的类型和属性

  • 所有估计量-参数值，状态空间和灰盒模型的初始状态，以及它们的协方差

  • 用于配置估计算法的选项集

要了解关于为特定估计器生成的报告的更多信息，请参阅相应的参考页面。

您可以使用该报告:

访问评估报告

打开生活的脚本

这个例子展示了如何访问评估报告。

评估报告保存了信息的日志，如使用的数据、默认值和使用的其他设置，以及估计结果，如参数值、初始条件和拟合度。

在您估计一个模型之后，使用点表示法来访问估计报告。例如:

负载iddata1z1；np = 2;sys =特遣部队(z1, np);sys_report =系统。报告
sys_report = Status: 'Estimated using TFEST' Method: 'TFEST' InitializeMethod: 'iv' N4Weight: 'Not applied ' N4Horizon: 'Not applied ' InitialCondition: 'estimate' Fit: [1x1 struct] Parameters: [1x1 struct] OptionsUsed: [1x1 idoptions. i 'RandState: [] DataUsed: [1x1 struct]终止:[1x1 struct]

探索评估期间使用的选项。

sys.Report.OptionsUsed
tfest命令的选项设置:InitializeMethod: 'iv' InitializeOptions: [1x1 struct] InitialCondition: 'auto' Display: 'off' InputInterSample: 'auto' InputOffset: [] OutputOffset: [] EstimateCovariance: 1 Regularization: [1x1 struct] SearchMethod: 'auto' SearchOptions: '<优化选项集>' WeightingFilter: [] EnforceStability: 0 OutputWeight: [] Advanced: [1x1 struct]

查看传递函数模型与估计数据的拟合情况。

sys.Report.Fit
ans =结构体字段:FitPercent: 70.7720 LossFcn: 1.6575 MSE: 1.6575 FPE: 1.7252 AIC: 1.0150e+03 AICc: 1.0153e+03 nAIC: 0.5453 BIC: 1.0372e+03

使用评估报告比较估计模型

打开生活的脚本

这个例子展示了如何使用评估报告来比较多个评估模型。

负荷估算数据。

负载iddata1z1；

估计一个传递函数模型。

np = 2;sys_tf =特遣部队(z1, np);

估计一个状态空间模型。

sys_ss = ss (z1, 2);

估计一个ARX模型。

Sys_arx = arx(z1， [2 2 1]);

比较估计模型与估计数据的拟合百分比。

fit_tf = sys_tf.Report.Fit.FitPercent
fit_tf = 70.7720
fit_ss = sys_ss.Report.Fit.FitPercent
fit_ss = 76.3808
fit_arx = sys_arx.Report.Fit.FitPercent
fit_arx = 68.7220

比较表明，状态空间模型提供了最佳的数据拟合度。

利用评估报告对评估结果进行分析和细化

打开生活的脚本

此示例展示了如何使用评估报告分析评估并配置另一个评估。

估计一个状态空间模型，使提前一步的预测误差最小化。

负载(fullfile (matlabroot“工具箱”，“识别”，“iddemos”，“数据”，“mrdamper.mat”));z = iddata (F, V, Ts);选择= ssestOptions;opt.Focus =“预测”；opt.Display =“上”；sys1 = ss (z, 2,选择);

sys1>表明具有良好的一步预测能力，预测结果与数据的拟合率为90%。

使用比较(z, sys1)检验模型模拟测量输出的能力F使用的输入V．该模型的模拟响应与数据的拟合度只有45%。

执行另一个评估，其中保留用于的原始选项sys1除非你改变焦点以使模拟误差最小化。

获取所使用的选项sys1存储在其报告财产。当您保存了估计的模型但没有保存用于估计的相应选项集时，这种方法是有用的。

opt2 = sys1.Report.OptionsUsed;

将焦点转移到模拟并重新估计模型。

opt2。Focus =“模拟”；sys2 = ss (z, sys1, opt2);

将模拟响应与使用的估计数据进行比较比较(z, sys1 sys2)．适合度提高到53%。

相关的话题

Baidu
map