GeneralizedLinearModelFit
GeneralizedLinearModelFit[{{x1,y1},{x2,y2},…},{f1,f2,…},x]
GeneralizedLinearModelFit[data,{f1,f2,…},{x1,x2,…}]
fi が
GeneralizedLinearModelFit[{m,v}]
詳細 とオプション
- GeneralizedLinearModelFitは,
一般 的 な可逆 関数 (リンク関数 )によって変換 された関数 の線形 結合 を使 って入力 データをモデル化 しようとする. - GeneralizedLinearModelFitは,もとの は,
平均 の指数 関数 族 分布 に従 う独立 観察 で,関数 は可逆 リンク関数 であるという仮定 のもとに の形 の一般 化 された線形 モデルを作成 する. - ExponentialFamilyオプションは
分布 を制御 し,LinkFunctionオプションは の形式 を制御 する. - GeneralizedLinearModelFitは,
自身 が構築 した一般 化 された線形 モデルを表 す記号 的 なFittedModelオブジェクトを返 す.モデルの特性 と診断 は model["property"]で得 ることができる. 特定 の点 x1, … におけるGeneralizedLinearModelFitからの最 もよくフィットした関数 の値 は model[x1,…]で得 ることができる.次 は,data の可能 な形 である.-
{y1,y2,…} {{1,y1},{2,y2},…}という 形式 に等 しい{{x11,x12,…,y1},…} 独立 した値 xijと応答 yiのリスト{{x11,x12,…}y1,…} 入力 値 と応答 の間 の規則 のリスト{{x11,x12,…},…}{y1,y2,…} 入力 値 のリストと応答 の間 の規則 {{x11,…,y1,…},…}n 行列 の第 n列 をフィットする - のような
多 変量 のデータの場合 ,座標 xi1, xi2, …の数 は変数 xiの数 と一致 しなければならない. - さらに,data は,
関数 および変数 を指定 しなくても計画 行列 を使 って指定 できる. -
{m,v} 計画 行列 m と対応 ベクトル v - GeneralizedLinearModelFit[m,v]の
計画 行列 m は,{{f1,f2,…},{f1,f2,…},…}の形 のデータ点 における基底 関数 fiの値 によって形成 される.応答 ベクトル v は応答 のリスト{y1,y2,…}である. 計画 行列 m と応答 ベクトル v についてのモデルは である.ここで, は推定 すべきパラメータのベクトルである.計画 行列 が使 われるとき,基底 関数 fiはGeneralizedLinearModelFit[{m,v},{f1,f2,…}]の形 を使 って指定 できる.- GeneralizedLinearModelFitは
次 のオプションを取 る. -
AccuracyGoal Automatic 目標 確度 ConfidenceLevel 95/100 母 数 と予測 の信頼 水準 CovarianceEstimatorFunction "ExpectedInformation" 母 数 共 分散 行列 のための推定 法 DispersionEstimatorFunction Automatic 分散 母 数 を推定 する関数 ExponentialFamily Automatic y の 指数 型 分布 族 IncludeConstantBasis True 定数 基底 関数 を入 れるかどうかLinearOffsetFunction None 線形 予測 器 における既知 のオフセットLinkFunction Automatic モデルのリンク 関数 MaxIterations Automatic 使用 する最大 反復 回数 NominalVariables None 名義 的 とみなされる変数 PrecisionGoal Automatic 目標 とする精度 Weights Automatic データ 要素 の重 みWorkingPrecision Automatic 内部 計算 で使 われる精度 - IncludeConstantBasis->Falseの
設定 では,の形式 のモデルがフィットされる. - LinearOffsetFunction->h の
設定 では,の形式 のモデルがフィットされる. - ConfidenceLevel->p のとき,
確 率 p の信頼 区間 は母 数 と予測 区間 について計算 される. - DispersionEstimatorFunction->f と
設定 すると,共通 分散 は f[y,,w]で推定 される.ただし,y={y1,y2,…}は観察 値 のリスト,={,,…}は予測 値 のリスト,w={w1,w2,…}は測度 yiの重 みのリストである. - ExponentialFamilyの
可能 な設定 値 は,"Gaussian","Binomial","Poisson","Gamma","InverseGaussian","QuasiLikelihood"である. - model["property"]を
使 って得 られるデータとフィットされた関数 に関 する特性 -
"BasisFunctions" 基底 関数 のリスト"BestFit" フィットされた 関数 "BestFitParameters" 母 数 の推定 "Data" 入力 データあるいは計画 行列 と反応 ベクトル"DesignMatrix" モデルのための 計画 行列 "Function" 最 もよくフィットした純 関数 "LinearPredictor" フィットされた 線形 結合 "Response" 入力 データの応答 値 分散 とモデルからの逸脱 に関連 する特性 -
"Deviances" 尤 離 度 "DevianceTable" 尤 離 度 表 "DevianceTableDegreesOfFreedom" 表 からの自由 度 の差 "DevianceTableDeviances" 表 からの尤 離 度 の差 "DevianceTableEntries" 表 からのフォーマットされていない値 の配列 "DevianceTableResidualDegreesOfFreedom" 表 からの残 差 自由 度 "DevianceTableResidualDeviances" 表 からの残 差 の尤 離 度 "EstimatedDispersion" 予測 分散 母 数 "NullDeviance" ヌルモデルの 尤 離 度 "NullDegreesOfFreedom" ヌルモデルの 自由 度 "ResidualDeviance" フィットされたモデルの 尤 離 度 とフルモデルの尤 離 度 の差 "ResidualDegreesOfFreedom" モデル 自由 度 とヌル自由 度 の差 残 差 のタイプ-
"AnscombeResiduals" アンスコム(Anscombe) 残 差 "DevianceResiduals" 尤 離 度 残 差 "FitResiduals" 実際 の応答 と予想 された応答 の差 "LikelihoodResiduals" 尤 度 残 差 "PearsonResiduals" ピアソン(Pearson) 残 差 "StandardizedDevianceResiduals" 標準 化 された尤 離 度 残 差 "StandardizedPearsonResiduals" 標準 化 されたピアソン残 差 "WorkingResiduals" 作業 残 差 母 数 推定 の特性 と診断 -
"CorrelationMatrix" 漸近 的 な母 数 相関 行列 "CovarianceMatrix" 漸近 的 な母 数 共 分散 行列 "ParameterConfidenceIntervals" 母 数 信頼 区間 "ParameterConfidenceIntervalTable" フィットされた 母 数 の信頼 区間 情報 の表 "ParameterConfidenceIntervalTableEntries" 表 からのフォーマットされていない値 の配列 "ParameterConfidenceRegion" 楕円 体 母 数 信頼 領域 "ParameterTableEntries" 表 からのフォーマットされていない値 の配列 "ParameterErrors" 予測 母 数 の標準 誤差 "ParameterPValues" 母 数 z統計 の p値 "ParameterTable" フィットされた 母 数 情報 の表 "ParameterZStatistics" 母 数 推定 の z統計 影響 力 の統計 量 関連 特性 -
"CookDistances" クック(Cook)の 距離 のリスト"HatDiagonal" ハット 行列 の対 角 要素 予測 値 特性 -
"PredictedResponse" データのフィットされた 値 適合 度 尺度 の特性 -
"AdjustedLikelihoodRatioIndex" Ben‐AkivaとLermanの 修正 尤 度 比 指数 "AIC" 赤池 情報 量 基準 "BIC" ベイズ(Bayes) 情報 量 基準 "CoxSnellPseudoRSquared" CoxとSnellの 擬似 "CraggUhlerPseudoRSquared" CraggとUhlerの 擬似 "EfronPseudoRSquared" Efronの 擬似 "LikelihoodRatioIndex" McFaddenの 尤 度 比 指数 "LikelihoodRatioStatistic" 尤 度 比 "LogLikelihood" フィットされたモデルのための 対数 尤 度 "PearsonChiSquare" ピアソンの 統計
特性
例題
すべて例 (1)
スコープ (15)
データ (8)
特性 (7)
オプション (10)
ConfidenceLevel (1)
LinearOffsetFunction (1)
データを
WorkingPrecision (1)
アプリケーション (2)
特性 と関係 (5)
DesignMatrixはGeneralizedLinearModelFitで
デフォルトで,GeneralizedLinearModelFitとLinearModelFitは
デフォルトの"Binomial"モデルはLogitModelFitのためのモデルに
ProbitModelFitは"ProbitLink"を
GeneralizedLinearModelFitは,TimeSeriesのタイムスタンプを
GeneralizedLinearModelFitは,
テキスト
Wolfram Research (2008), GeneralizedLinearModelFit, Wolfram
CMS
Wolfram Language. 2008. "GeneralizedLinearModelFit." Wolfram Language & System Documentation Center. Wolfram Research. https://reference.wolfram.com/language/ref/GeneralizedLinearModelFit.html.
APA
Wolfram Language. (2008). GeneralizedLinearModelFit. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/GeneralizedLinearModelFit.html