拖了很久了,有朋友等得花儿都谢了,还是稍微更新下哈,抱歉!
申明: 本文纯属个人见解,如果有错误欢迎交流指正哈
1.问题:什么是参数敏感性分析
在很多论文中,我们通常能看到形如以下形式的图表。
其通常在二维或三维图像基础上,辅以各点的不同颜色配合色块说明条来说明各个参数对模型目标函数的函数值的影响。
根据所属图表的表示方法,最佳颜色位置处的函数值应该是最优的。而沿着不同坐标轴进行函数值变化观测,则能对不同的参数敏感性进行分析。
该类图能对各个参数对目标函数值的影响变化进行分析,即所谓的参数敏感性分析。
![](https://i-blog.csdnimg.cn/blog_migrate/844f3d03d01695f8111817a8682e2e76.png)
![](https://i-blog.csdnimg.cn/blog_migrate/9a4bb3ba3d2c460547254fd2673104b4.png)
2. 这类图怎么来?
结合我后面的调研发现,此类图通常需要进行大量的实验才能得出。其图上的每一个位置其实都是一次实验。以上述2图为例,图1的X,Y,Z三轴都有8个可取值,图上标记了8 × \times × 8 × \times × 8=512个点,也就是说,该图由512次实验得出。而图2相对容易,需要49次实验。
3. 简单总结
- 参数敏感性分析不是特别好做,尤其是算法单次计算时间长的时候;
- 这类图本身倒是可以很好画出来。可以参照:https://blog.csdn.net/lgl123ok/article/details/122231889
- 示例图2可以用matlab的pcolor函数绘制
- 如果合适,还是建议做这类分析,使模型更具说服力,且论文档次更高。
以上