主要内容

sdo.AnalyzeOptionsclass

包:sdo

分析选项sdo.analyze

扩展所有的页面

语法

选择= sdo.AnalyzeOptions
选择= sdo.AnalyzeOptions(‘方法’,method_name)

描述

指定分析方法和灵敏度分析方法选择使用sdo.analyze。

建设

选择= sdo.AnalyzeOptions创建一个sdo.AnalyzeOptions对象和分配默认值的属性。

改变属性值,使用点符号。例如:

选择= sdo.AnalyzeOptions;opt.Method =“StandardizedRegression”;opt.MethodOptions =“排名”;

选择= sdo.AnalyzeOptions(“方法”,method_name)设置的值方法财产method_name。

输入参数

method_name

方法名称,指定为以下值之一:“相关”,“PartialCorrelation”,“StandardizedRegression”,或“所有”,

例如,method_name = ' PartialCorrelation '。

使用多个方法,指定method_name作为一个单元阵列。

每个方法的信息,请参阅方法属性描述。

属性

方法

所使用的分析方法sdo.analyze后,指定为一个或一个单元阵列包含的一个子集:

  • “相关”——计算相关系数,R。使用分析模型参数和成本函数输出是如何相关的。

    R计算如下:

    R ( 我 , j ) = C ( 我 , j ) C ( 我 , 我 ) C ( j , j ) C = c o v ( x , y ) = E ( ( x − μ x ) ( y − μ y ) ] μ x = E ( x ] μ y = E ( y ]

    x和y的输入参数是sdo.analyze。

    R的值在[1]。(我,j)进入R显示之间的关系x(我),y(j)。

    • R (i, j) > 0——变量有正相关。增加的变量。

    • R (i, j) = 0——变量不相关。

    • R (i, j) < 0——变量具有负相关。当一个变量增加时,其他减少。

  • “PartialCorrelation”(需要统计和机器学习工具箱™许可),计算偏相关系数,R。使用分析模型参数和函数是相关成本,调整删除其他参数的影响。

    R计算使用partialcorri(统计和机器学习的工具箱)在统计和机器学习工具软件。

  • “StandardizedRegression”——计算标准化回归系数,R。使用当你期望模型参数线性影响成本函数。

    R计算如下:

    R = b x σ x σ y

    考虑一个示例(x1、……xNp)和相应的单输出,y。bx使用最小二乘回归系数向量计算假设一个线性模型 y ^ = b 0 + ∑ 我 = 1 N p b ^ x 我 x 我 。R标准化的每个元素bx通过乘以相应的标准差的比值x样品(σx的标准偏差y(σy)。

  • “所有”——所有适用的软件计算结果的组合方法和MethodOptions。这个选项可能会耗费时间如果你有一个大样本集与许多参数和许多不同的成本/约束输出。

为x(Ns——- - - - - -Np),y(Ns——- - - - - -数控),所有的计算方法R作为一个Np——- - - - - -数控表。在这里Ns样品的数量,Np模型参数的数量,数控是成本/约束的数量评估函数。

默认值:“相关”

MethodOptions

分析方法选择sdo.analyze使用指定为以下值之一:

  • “线性”-皮尔森分析。

    适用于所有方法。

  • “排名”——排名转换或斯皮尔曼的分析。

    适用于所有方法。

  • “假象”——肯德尔τ。

    适用时方法被指定为“相关”。

  • “AllApplicable”——计算每个适用的组合方法和MethodOptions。

    适用时方法被指定为“所有”。

关于这些选项的更多信息,请参阅分析参数和设计要求之间的关系。

默认值:“线性”

复制语义

价值。学习如何价值类影响复制操作,明白了复制对象。

例子

全部折叠

打开生活的脚本 
选择= sdo.AnalyzeOptions;opt.Method =“PartialCorrelation”;opt.MethodOptions =“排名”;

另请参阅

主题

Baidu
map