新建
上传
首页
助手
最?/div>
资料?/div>
工具

调用

robustfit

函数作稳健回?/p>

 

 

 

regress

函数?/p>

regstats

函数利用普通最小二乘法估计模型中的参数?/p>

参数的估计值受异常?/p>

的影响比较大?/p>

robustfit

函数采用加权最小二乘法估计模型中的参数,受异常值的影响就比

较小?/p>

robustfit

函数用来作稳健的多重线性或广义线性回归分析,下面介绍

robustfit

?/p>

 

数的用法?/p>

 

1.4.1

?/p>

robustfit

函数的用?/p>

 

robustfit

函数有以下几种调用方式:

 

b = robustfit(X,y) 

b = robustfit(X,y,wfun,tune) 

b = robustfit(X,y,wfun,tune,const) 

*b,stats+ = robustfit(?

 

?/p>

1

?/p>

b = robustfit(X,y) 

返回多重线性回归方程中系数向量

β

的估计?/p>

b

?/p>

这里?/p>

b

为一?/p>

1p

×的向量?/p>

输入参数

X

为自变量观测值矩阵(或设计矩阵)

,它是的矩阵。与

regress

?/p>

 

数不同的是,默认情况下,

robustfit

函数自动?/p>

X

?/p>

1

列元素的左边加入一?/p>

1

,不需要用

户自己添加。输入参?/p>

y

为因变量的观测值向量,是的列向

 

量?/p>

robustfit

函数?/p>

y

?/p>

X

中不确定数据

NaN

作为缺失数据而忽略它们?/p>

np

×

1n

×

 

?/p>

2

?/p>

b = robustfit(X,y,wfun,tune) 

用参?/p>

wfun

指定加权函数,用参数

tune 

指定调节常数?/p>

wfun

为字符串,其可能的取值如

?/p>

1-3

所示?/p>

 

?/p>

1-3 robustfit

函数支持的加权函?/p>

 

加权函数?/p>

wfun

?/p>

 

函数表达?/p>

 

默认调节常数?/p>

 

'andrews' sin(||)rwIrrπ=

?/p>

< 

1.339 

'bisquare'

(默认值)

 

22(1)(||1)wrIr=?/p>

?/p>

< 

4.685 

'cauchy' 21(1)wr=+ 

2.385 

'fair' 1(1||)wr=+ 

1.400 

'huber' 1max(1, ||)wr= 

1.345 

'logistic' tanh()wr= 

1.205 

'ols' 

普通最小二乘,无加权函?/p>

 

?/p>

 

'talwar' 

(||1)wIr=< 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

调用

robustfit

函数作稳健回?/p>

 

 

 

regress

函数?/p>

regstats

函数利用普通最小二乘法估计模型中的参数?/p>

参数的估计值受异常?/p>

的影响比较大?/p>

robustfit

函数采用加权最小二乘法估计模型中的参数,受异常值的影响就比

较小?/p>

robustfit

函数用来作稳健的多重线性或广义线性回归分析,下面介绍

robustfit

?/p>

 

数的用法?/p>

 

1.4.1

?/p>

robustfit

函数的用?/p>

 

robustfit

函数有以下几种调用方式:

 

b = robustfit(X,y) 

b = robustfit(X,y,wfun,tune) 

b = robustfit(X,y,wfun,tune,const) 

*b,stats+ = robustfit(?

 

?/p>

1

?/p>

b = robustfit(X,y) 

返回多重线性回归方程中系数向量

β

的估计?/p>

b

?/p>

这里?/p>

b

为一?/p>

1p

×的向量?/p>

输入参数

X

为自变量观测值矩阵(或设计矩阵)

,它是的矩阵。与

regress

?/p>

 

数不同的是,默认情况下,

robustfit

函数自动?/p>

X

?/p>

1

列元素的左边加入一?/p>

1

,不需要用

户自己添加。输入参?/p>

y

为因变量的观测值向量,是的列向

 

量?/p>

robustfit

函数?/p>

y

?/p>

X

中不确定数据

NaN

作为缺失数据而忽略它们?/p>

np

×

1n

×

 

?/p>

2

?/p>

b = robustfit(X,y,wfun,tune) 

用参?/p>

wfun

指定加权函数,用参数

tune 

指定调节常数?/p>

wfun

为字符串,其可能的取值如

?/p>

1-3

所示?/p>

 

?/p>

1-3 robustfit

函数支持的加权函?/p>

 

加权函数?/p>

wfun

?/p>

 

函数表达?/p>

 

默认调节常数?/p>

 

'andrews' sin(||)rwIrrπ=

?/p>

< 

1.339 

'bisquare'

(默认值)

 

22(1)(||1)wrIr=?/p>

?/p>

< 

4.685 

'cauchy' 21(1)wr=+ 

2.385 

'fair' 1(1||)wr=+ 

1.400 

'huber' 1max(1, ||)wr= 

1.345 

'logistic' tanh()wr= 

1.205 

'ols' 

普通最小二乘,无加权函?/p>

 

?/p>

 

'talwar' 

(||1)wIr=< 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

调用

robustfit

函数作稳健回?/p>

 

 

 

regress

函数?/p>

regstats

函数利用普通最小二乘法估计模型中的参数?/p>

参数的估计值受异常?/p>

的影响比较大?/p>

robustfit

函数采用加权最小二乘法估计模型中的参数,受异常值的影响就比

较小?/p>

robustfit

函数用来作稳健的多重线性或广义线性回归分析,下面介绍

robustfit

?/p>

 

数的用法?/p>

 

1.4.1

?/p>

robustfit

函数的用?/p>

 

robustfit

函数有以下几种调用方式:

 

b = robustfit(X,y) 

b = robustfit(X,y,wfun,tune) 

b = robustfit(X,y,wfun,tune,const) 

*b,stats+ = robustfit(?

 

?/p>

1

?/p>

b = robustfit(X,y) 

返回多重线性回归方程中系数向量

β

的估计?/p>

b

?/p>

这里?/p>

b

为一?/p>

1p

×的向量?/p>

输入参数

X

为自变量观测值矩阵(或设计矩阵)

,它是的矩阵。与

regress

?/p>

 

数不同的是,默认情况下,

robustfit

函数自动?/p>

X

?/p>

1

列元素的左边加入一?/p>

1

,不需要用

户自己添加。输入参?/p>

y

为因变量的观测值向量,是的列向

 

量?/p>

robustfit

函数?/p>

y

?/p>

X

中不确定数据

NaN

作为缺失数据而忽略它们?/p>

np

×

1n

×

 

?/p>

2

?/p>

b = robustfit(X,y,wfun,tune) 

用参?/p>

wfun

指定加权函数,用参数

tune 

指定调节常数?/p>

wfun

为字符串,其可能的取值如

?/p>

1-3

所示?/p>

 

?/p>

1-3 robustfit

函数支持的加权函?/p>

 

加权函数?/p>

wfun

?/p>

 

函数表达?/p>

 

默认调节常数?/p>

 

'andrews' sin(||)rwIrrπ=

?/p>

< 

1.339 

'bisquare'

(默认值)

 

22(1)(||1)wrIr=?/p>

?/p>

< 

4.685 

'cauchy' 21(1)wr=+ 

2.385 

'fair' 1(1||)wr=+ 

1.400 

'huber' 1max(1, ||)wr= 

1.345 

'logistic' tanh()wr= 

1.205 

'ols' 

普通最小二乘,无加权函?/p>

 

?/p>

 

'talwar' 

(||1)wIr=< 

Ͼλ">
Ͼλ
Ŀ

稳健回归的反复加权最小二乘迭代解法及其应?- 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

调用

robustfit

函数作稳健回?/p>

 

 

 

regress

函数?/p>

regstats

函数利用普通最小二乘法估计模型中的参数?/p>

参数的估计值受异常?/p>

的影响比较大?/p>

robustfit

函数采用加权最小二乘法估计模型中的参数,受异常值的影响就比

较小?/p>

robustfit

函数用来作稳健的多重线性或广义线性回归分析,下面介绍

robustfit

?/p>

 

数的用法?/p>

 

1.4.1

?/p>

robustfit

函数的用?/p>

 

robustfit

函数有以下几种调用方式:

 

b = robustfit(X,y) 

b = robustfit(X,y,wfun,tune) 

b = robustfit(X,y,wfun,tune,const) 

*b,stats+ = robustfit(?

 

?/p>

1

?/p>

b = robustfit(X,y) 

返回多重线性回归方程中系数向量

β

的估计?/p>

b

?/p>

这里?/p>

b

为一?/p>

1p

×的向量?/p>

输入参数

X

为自变量观测值矩阵(或设计矩阵)

,它是的矩阵。与

regress

?/p>

 

数不同的是,默认情况下,

robustfit

函数自动?/p>

X

?/p>

1

列元素的左边加入一?/p>

1

,不需要用

户自己添加。输入参?/p>

y

为因变量的观测值向量,是的列向

 

量?/p>

robustfit

函数?/p>

y

?/p>

X

中不确定数据

NaN

作为缺失数据而忽略它们?/p>

np

×

1n

×

 

?/p>

2

?/p>

b = robustfit(X,y,wfun,tune) 

用参?/p>

wfun

指定加权函数,用参数

tune 

指定调节常数?/p>

wfun

为字符串,其可能的取值如

?/p>

1-3

所示?/p>

 

?/p>

1-3 robustfit

函数支持的加权函?/p>

 

加权函数?/p>

wfun

?/p>

 

函数表达?/p>

 

默认调节常数?/p>

 

'andrews' sin(||)rwIrrπ=

?/p>

< 

1.339 

'bisquare'

(默认值)

 

22(1)(||1)wrIr=?/p>

?/p>

< 

4.685 

'cauchy' 21(1)wr=+ 

2.385 

'fair' 1(1||)wr=+ 

1.400 

'huber' 1max(1, ||)wr= 

1.345 

'logistic' tanh()wr= 

1.205 

'ols' 

普通最小二乘,无加权函?/p>

 

?/p>

 

'talwar' 

(||1)wIr=< 



ļ׺.doc޸Ϊ.docĶ

  • 滮
  • GSK980T
  • ᳣ܽ(ܽļ)
  • ӼγƸƵʼ - ͼ
  • 2016-2021йгչоԤⱨ棨Ŀ¼
  • еԭڰ˰(ﻸ)Ծ-㶫ѧ̳ļ
  • 2019ɽʡпѧԾ棩
  • ¼µ¿ռĿ
  • е¿γ̽ѧ̬ȼֵ۵
  • 3߿2ģ2016һָϰ 5Ԫ Ĵݹɴؼ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)