matlab predict用法,predict函数的用法探讨

第二种情况%用ARMA模型预测

yout1= predict(m,X1(:,1));           %L为预测的长度L=24;X1(:,1) 为原来的时间序列数据长度为240*1

yout1的输出是一个cell数组,其中数据部分拿出来如下:为240*1的矩阵;

0.373369314011625

1.20580649473566

1.80075911197281

1.82972064410536

0.767246151014245

-0.147751113462381

1.13006174204207

1.16456668068988

0.0433303433596282

1.05098339447811

1.39376971093167

0.873559233032593

1.74635409524207

-0.126498622479794

0.324115473869722

-0.113457906586178

-0.614952551223731

-0.708911430290329

-0.836644355940195

-0.545731541233867

-0.247321899439168

-0.930160331780541

-0.250439427757669

-0.872460260629307

0.0573340824800499

1.13995337508736

1.57623377683772

1.20035455902768

1.64488265254235

1.23525375457004

0.790009031684162

1.22096825012933

1.32371891247607

0.802646803200642

1.57609565403096

0.767178932892521

-0.330654120691271

-0.805572798582209

-0.772430235135142

-0.851570532420107

-0.138017160014800

-0.480506347452138

0.144124668276201

-0.486145610252544

-0.154324863804712

-0.641661103239208

-0.457679567710119

-0.588767484444823

-0.0410187724175361

-0.536271892233541

0.283570992024821

-0.0233494450337298

0.341940837576699

0.582367709475153

0.569833773346115

-0.0468652119718590

1.02231286038860

1.19853582529713

1.58839780409327

1.23566080270525

1.18465190341450

1.06683118314027

1.63898100163276

1.10295007030457

1.28566548699780

-1.03062896244545

-0.658445087603978

-0.908085242394132

-0.718312809003517

-0.872694485658354

-0.773745383030743

-1.09060819282191

-0.110123484935520

1.13706632412254

1.61090547030942

1.37037072552974

1.56598608807257

0.854274659629446

0.575523413980748

1.22654495911842

0.0625042282630842

-0.154193121838035

0.858914827558448

0.767448927833512

0.765712436342036

-0.172457156746519

-0.397804587381724

0.275278637738034

0.783265287316369

0.873899015860895

1.06337822461505

0.968475653201065

1.41296389430471

1.49369309314882

1.44542083903650

0.586310773212334

0.580939815187286

-0.214924424414331

-0.0939226291059181

0.275760282133078

-0.393924768177705

0.386047849794261

0.348031513474794

0.973151523775468

1.02035538254004

1.24437647078954

1.54268145946956

1.60564970528018

1.53612025926071

1.33984418123028

1.25260192773479

1.23162996035517

1.62336833614394

1.13732180327693

-0.286230253191747

-0.934851294876671

-0.512193710787166

-0.433871071444178

-0.117666316350626

-0.538770697354890

-0.618251759554259

-0.288701004752580

0.0478647978221209

-0.492735152063631

-0.398866439587192

-0.620062095733132

0.313838066672408

0.124237255049627

0.178330755980669

-0.0928575278507166

0.463041024408044

0.388326049628365

0.0676902171170028

-0.130655117516151

-0.223809809181774

-0.220759123378862

0.659519225163659

1.92627082935588

-0.430098096163290

-0.622855201764802

-0.768059663249335

-1.03945905505830

-0.230208163703698

-0.940061902919461

-1.26667581051082

-0.777384216399555

-0.519623743580533

-0.417172615612617

-0.564222342152003

-1.19651465680944

-0.275329451721234

-0.607613993086655

-0.581935978488478

-0.999411968046728

-0.857652729362154

-0.438820560298103

-0.388153256855852

-0.835660846357170

-0.650901414500964

-0.796266577451091

-0.204436294641846

-0.749052613569182

-0.638828539677876

-0.758112415094490

-0.445721838021660

-0.552503545603551

-0.720763178555912

-1.03156585714617

-0.454903218275732

-0.667202530643885

-0.531185255640778

-0.994115535893501

-0.757070487758956

-0.586242741036075

-0.526149176334116

-0.819294664125330

-0.460497517517424

-0.718324496486186

-0.223218934310408

-0.533519144839951

-0.505744181799866

-0.747609853595820

-0.560957588162406

-0.789665152030176

-0.756882176940256

-0.923897113673844

-0.530222060316470

-0.766434095154731

-0.665629250694207

-0.933069900343649

-0.703436762364829

-0.535886897897123

-0.395930532800998

-0.551222107959770

-0.604852103686245

-0.685267868850104

-0.159330498619655

-0.507877963907687

-0.262821354789146

-0.443306070403340

-0.217182807739237

0.400943475310836

0.989766572272115

1.16194199211718

0.551543261487083

-0.421959828483690

-0.532374454014458

-0.795031596256394

-0.484555615246829

0.0550614084721889

-0.230023147878546

0.375365095271076

-0.435749603786666

-0.807169572747571

-0.584123423921429

-0.889795447601705

-0.412187686952154

-0.556744327027807

-0.820198149518061

-0.247042212828614

-0.219733026691609

-0.361324106284023

-0.236564065682556

-0.734734648769488

-0.157673100290744

0.506731991664216

0.131044893556420

-0.212190351336887

-0.397096908051463

-0.325013988112691

-0.0180314651414155

-0.189222016872850

-0.544341015493932

-0.324188889016018

0.0981481790330858

-0.516336749491490

-0.691656491022193

-1.02515398626812

-0.667210177239459

-0.428297130007961

[本帖最后由 bigvillage 于 2010-9-16 12:01 编辑]

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: predict函数MATLAB中的一个函数,用于根据已有的模型预测新的数据。它的用法如下: 1. 语法: yfit = predict(model,Xnew) 其中,model是已经训练好的模型,Xnew是新的数据,yfit是预测结果。 2. 示例: 假设我们有一个已经训练好的线性回归模型model,现在我们要用它来预测新的数据Xnew的结果。代码如下: Xnew = [1,2,3,4,5]; yfit = predict(model,Xnew); 其中,Xnew是一个1x5的矩阵,表示5个新的数据点,yfit是一个1x5的矩阵,表示对应的预测结果。 希望这个回答能够帮到您! ### 回答2: MATLAB是数据分析和处理的常用工具。在它的各种函数中,predict函数是一个很方便的工具,用于预测数据的结果。 predict函数可以用于各种类型的数据,例如矩阵、数据表和结构体。它可以根据已经训练好的模型和测试数据,预测新数据的结果。 在使用predict函数的时候,首先需要先加载已经训练好的模型。这个模型可以是一个回归模型或一个分类模型。然后,我们需要使用测试数据或新的数据集,将其传递给predict函数。这个函数将使用已经加载的模型来预测数据集的结果。 predict函数有许多参数,其中一些可以用于控制输出的格式、使用不同的模型参数进行预测以及使用parfor循环加速预测过程。predict函数的语法如下: yfit = predict(Mdl,Xnew) 其中,yfit是预测结果,Mdl是已经训练好的模型,Xnew是新的数据集。如果我们要使用指定的模型参数进行预测,可以使用下面的语法: yfit = predict(Mdl,Xnew,'param',value) 其中,'param'是一个参数名称,value是对应的值。 在使用predict函数时,还需要注意一些其他的细节。例如,如果使用的模型中有缺失值,predict函数可能会返回NaN。此外,预测结果可能取决于许多因素,例如所使用的模型、数据的数量和质量等等。 总的来说,predict函数是一个很好的用于数据预测的工具。它可以使用各种模型和数据集进行预测,并提供了很多可定制的选项。如果您在使用MATLAB做数据分析时需要进行数据预测,请务必尝试一下predict函数。 ### 回答3: MATLAB中的predict函数是用来预测模型的输出值。假设我们已经训练了一个模型,并且用测试数据对其进行了评估,现在我们想预测新数据的输出值,我们可以使用predict函数predict函数的基本语法为: y_predict = predict(Mdl, X_new) 其中,Mdl是我们训练好的模型,X_new是我们要预测的新数据。y_predictpredict函数的输出,它是模型对新数据的预测值。 需要注意的是,X_new的大小必须与训练模型时使用的特征矩阵的大小相同。也就是说,新数据必须具有与模型训练数据相同的特征。 predict函数也接受其他可选参数,例如预测置信度或预测标准误差。这些参数可以通过指定 Name-Value 对来传递。 predict函数在很多类型的模型中都可以使用,例如线性回归模型、逻辑回归模型、支持向量机模型、决策树模型等等。 总之,predict函数MATLAB中非常常用的一个函数,用来预测模型的输出值,对于数据分析和机器学习等领域的研究非常有帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值