La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

RegressionLinear Predict

Predecir respuestas usando el modelo de regresión lineal

Desde R2023a

• 

×

Bibliotecas:
Statistics and Machine Learning Toolbox / Regression

Descripción

El bloque RegressionLinear Predict predice respuestas usando un objeto de regresión lineal (RegressionLinear).

Importe un objeto de regresión entrenado en el bloque especificando el nombre de una variable del espacio de trabajo que contenga el objeto. El puerto de entrada x recibe una observación (datos predictores) y el puerto de salida yfit devuelve respuestas pronosticadas para la observación.

Ejemplos

Predict Responses Using RegressionLinear Predict Block

Use the RegressionLinear Predict block for response prediction in Simulink®. The block accepts an observation (predictor data) and returns the predicted response for the observation using the trained regression linear model.

Desde R2023a

Abrir script en vivo

Puertos

Entrada

x — Datos predictores

vector fila | vector columna

Datos predictores, especificados como un vector fila o vector columna de una observación.

Las variables en x deben tener el mismo orden que las variables predictoras que entrenaron el modelo especificado por Seleccione el modelo de machine learning entrenado.

Tipos de datos: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

Salida

yfit — Respuesta pronosticada

escalar

Respuesta pronosticada, devuelta como un escalar. Para obtener más información, consulte el argumento YHat de la función del objeto predict.

Tipos de datos: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

Parámetros

Principal

Seleccione el modelo de machine learning entrenado — Modelo de regresión lineal

linearMdl (predeterminado) | objeto RegressionLinear

Especifique el nombre de una variable del área de trabajo que contenga un objeto RegressionLinear.

Cuando entrena el modelo con fitrlinear, se aplican las siguientes restricciones:

• Los datos predictores no pueden incluir predictores categóricos (logical, categorical, char, string o cell). Si proporciona datos de entrenamiento en una tabla, los predictores deben ser numéricos (double o single). Además, no puede utilizar el argumento nombre-valor de CategoricalPredictors. Para incluir los predictores categóricos en un modelo, procéselos con dummyvar antes de ajustar el modelo.

• La propiedad Lambda (fuerza del término de regularización) del modelo entrenado debe ser un escalar numérico. Si Lambda es un vector numérico, debe seleccionar el modelo correspondiente a una fuerza de regularización usando selectModels.

Uso programático

Parámetro de bloque: TrainedLearner

Tipo: variable del área de trabajo

Valores: objeto RegressionLinear

Valor predeterminado: 'linearMdl'

Tipos de datos

Parámetros operativos de punto fijo

Modo de redondeo de valores enteros — Modo de redondeo para operaciones de punto fijo

Floor (predeterminado) | Ceiling | Convergent | Nearest | Round | Simplest | Zero

Especifique el modelo de redondeo para operaciones de punto fijo. Para obtener más información, consulte Rounding (Fixed-Point Designer).

Los parámetros de bloque siempre se redondean al valor representable más cercano. Para controlar el redondeo de un parámetro de bloque, introduzca una expresión en el campo de máscara usando una función de redondeo de MATLAB^®.

Uso programático

Parámetro de bloque: RndMeth

Tipo: vector de caracteres

Valores: "Ceiling" | "Convergent" | "Floor" | "Nearest" | "Round" | "Simplest" | "Zero"

Valor predeterminado: "Floor"

Saturar en el desbordamiento de números enteros — Método de acción de desbordamiento

off (predeterminado) | on

Especifique si los desbordamientos saturan o se adaptan.

Acción	Justificación	Impacto en los desbordamientos	Ejemplo
Seleccionar esta casilla (on).	Su modelo tiene un posible desbordamiento y quiere protección frente a saturación explícita en el código generado.	Los desbordamientos saturan el valor mínimo o máximo que el tipo de datos puede representar.	El valor máximo que el tipo de datos int8 (indicado como un valor entero de 8 bits) puede representar es 127. Cualquier resultado de una operación de bloque superior a este valor máximo provoca el desbordamiento del entero de 8 bits. Con la casilla de verificación seleccionada, el bloque de salida se satura en 127. De manera similar, la salida del bloque se satura en el valor de salida mínimo de -128.
Desmarcar esta casilla (off).	Desea optimizar la eficacia de su código generado. Quiere evitar explicar excesivamente cómo maneja un bloque las señales fuera de rango. Para obtener más información, consulte Troubleshoot Signal Range Errors (Simulink).	Los desbordes se adaptan al valor apropiado que el tipo de datos puede representar.	El valor máximo que el tipo de datos int8 (indicado como un valor entero de 8 bits) puede representar es 127. Cualquier resultado de una operación de bloque superior a este valor máximo provoca el desbordamiento del entero de 8 bits. Con la casilla de verificación desmarcada, el software interpreta el valor que causa el desbordamiento como int8, que puede producir un resultado no intencionado. Por ejemplo, un resultado de bloque de 130 (en binario 1000 0010) expresado como int8 es –126.

Uso programático

Parámetro de bloque: SaturateOnIntegerOverflow

Tipo: vector de caracteres

Valores: "off" | "on"

Valor predeterminado: "off"

Bloquear la configuración del tipo de datos de salida contra los cambios de las herramientas de punto fijo — Evitar que las herramientas de punto fijo anulen el tipo de datos

off (predeterminado) | on

Seleccione este parámetro para evitar que las herramientas de punto fijo anulen el tipo de datos que especifica para el bloque. Para obtener más información, consulte Use Lock Output Data Type Setting (Fixed-Point Designer).

Uso programático

Parámetro de bloque: LockScale

Tipo: vector de caracteres

Valores: "off" | "on"

Valor predeterminado: "off"

Tipo de datos

Tipo de datos de salida — Tipo de datos de salida yfit

Inherit: auto (predeterminado) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <data type expression>

Especifique el tipo de datos para la salida yfit. El tipo puede heredarse, especificarse directamente o expresarse como un objeto de tipo de datos como Simulink.NumericType.

Cuando seleccione Inherit: auto, el bloque utiliza una regla que hereda un tipo de datos.

Para obtener más información acerca de los tipos de datos, consulte Control Data Types of Signals (Simulink).

Haga clic en el botón Show data type assistant para mostrar el Data Type Assistant, que le ayudará a configurar los atributos de tipo de datos. Para obtener más información, consulte Specify Data Types Using Data Type Assistant (Simulink).

Uso programático

Parámetro de bloque: OutDataTypeStr

Tipo: vector de caracteres

Valores: "Inherit: auto" | "double" | "single" | "half" | "int8" | "uint8" | "int16" | "uint16" | "int32" | "uint32" | "int64" | "uint64" | "boolean" | "fixdt(1,16,0)" | "fixdt(1,16,2^0,0)" | "<data type expression>"

Valor predeterminado: "Inherit: auto"

Mínimo de tipo de datos de salida — Valor mínimo de la salida yfit para la comprobación del intervalo

[] (predeterminado) | escalar

Especifique el valor más bajo del intervalo de salida yfit que Simulink^® comprueba.

Simulink utiliza el valor mínimo para realizar:

• La comprobación del intervalo de parámetros para algunos bloques (consulte Specify Minimum and Maximum Values for Block Parameters (Simulink)).

• La comprobación del intervalo de simulación (consulte Specify Signal Ranges (Simulink) y Enable Simulation Range Checking (Simulink)).

• Escalado automático de tipos de datos de punto fijo.

• La optimización del código que ha generado desde el modelo. Esta optimización puede eliminar código algorítmico y afectar a los resultados de algunos modos de simulación, como el modo software-in-the-loop (SIL) o el modo externo. Para obtener más información, consulte Optimize using the specified minimum and maximum values (Embedded Coder).

Nota

El parámetro Output data type Minimum no satura ni reduce la señal yfit real. Para hacerlo, use la función Saturation (Simulink) en su lugar.

Uso programático

Parámetro de bloque: OutMin

Tipo: vector de caracteres

Valores: '[]' | escalar

Valor predeterminado: '[]'

Máximo de tipo de datos de salida — Valor máximo de la salida yfit para la comprobación del intervalo

[] (predeterminado) | escalar

Especifique el valor más alto del intervalo de salida yfit que Simulink comprueba.

Simulink utiliza el valor máximo para realizar:

• La comprobación del intervalo de parámetros para algunos bloques (consulte Specify Minimum and Maximum Values for Block Parameters (Simulink)).

• La comprobación del intervalo de simulación (consulte Specify Signal Ranges (Simulink) y Enable Simulation Range Checking (Simulink)).

• Escalado automático de tipos de datos de punto fijo.

• La optimización del código que ha generado desde el modelo. Esta optimización puede eliminar código algorítmico y afectar a los resultados de algunos modos de simulación, como el modo externo o el SIL. Para obtener más información, consulte Optimize using the specified minimum and maximum values (Embedded Coder).

Nota

El parámetro Output data type Maximum no satura ni reduce la señal yfit real. Para hacerlo, use la función Saturation (Simulink) en su lugar.

Uso programático

Parámetro de bloque: OutMax

Tipo: vector de caracteres

Valores: '[]' | escalar

Valor predeterminado: '[]'

Tipo de datos del producto interior — Tipo de datos del producto interior

double (predeterminado) | Inherit: Inherit via internal rule | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <data type expression>

Especifique el tipo de datos para el término del producto interior de la respuesta pronosticada. El tipo puede heredarse, especificarse directamente o expresarse como un objeto de tipo de datos como Simulink.NumericType.

Cuando selecciona Inherit: Inherit via internal rule, el bloque usa una regla interna para determinar el tipo de datos del producto interior. La regla interna elige un tipo de datos que optimiza la precisión numérica, el rendimiento y el tamaño del código generado, teniendo en cuenta las propiedades del hardware objetivo integrado. El software no siempre puede optimizar la eficiencia y la precisión numérica al mismo tiempo.

Para obtener más información acerca de los tipos de datos, consulte Control Data Types of Signals (Simulink).

Haga clic en el botón Show data type assistant para mostrar el Data Type Assistant, que le ayudará a configurar los atributos de tipo de datos. Para obtener más información, consulte Specify Data Types Using Data Type Assistant (Simulink).

Uso programático

Parámetro de bloque: InnerProductDataTypeStr

Tipo: vector de caracteres

Valores: "Inherit: Inherit via internal rule" | "double" | "single" | "half" | "int8" | "uint8" | "int16" | "uint16" | "int32" | "uint32" | "int64" | "uint64" | "boolean" | "fixdt(1,16,0)" | "fixdt(1,16,2^0,0)" | "<data type expression>"

Valor predeterminado: "double"

Mínimo del tipo de datos del producto interior — Mínimo del término del producto interior para la comprobación del intervalo

[] (predeterminado) | escalar

Especifique el valor más bajo del intervalo del término del producto interior que Simulink comprueba.

Simulink utiliza el valor mínimo para realizar:

• La comprobación del intervalo de parámetros para algunos bloques (consulte Specify Minimum and Maximum Values for Block Parameters (Simulink)).

• La comprobación del intervalo de simulación (consulte Specify Signal Ranges (Simulink) y Enable Simulation Range Checking (Simulink)).

• Escalado automático de tipos de datos de punto fijo.

• La optimización del código que ha generado desde el modelo. Esta optimización puede eliminar código algorítmico y afectar a los resultados de algunos modos de simulación, como el modo software-in-the-loop (SIL) o el modo externo. Para obtener más información, consulte Optimize using the specified minimum and maximum values (Embedded Coder).

Nota

El parámetro Inner product data type Minimum no satura ni reduce el valor del término del producto interior real.

Uso programático

Parámetro de bloque: InnerProductOutMin

Tipo: vector de caracteres

Valores: "[]" | escalar

Valor predeterminado: "[]"

Máximo del tipo de datos del producto interior — Máximo del término del producto interior para la comprobación del intervalo

[] (predeterminado) | escalar

Especifique el valor más alto del intervalo del término del producto interior que Simulink comprueba.

Simulink utiliza el valor máximo para realizar:

• La comprobación del intervalo de parámetros para algunos bloques (consulte Specify Minimum and Maximum Values for Block Parameters (Simulink)).

• La comprobación del intervalo de simulación (consulte Specify Signal Ranges (Simulink) y Enable Simulation Range Checking (Simulink)).

• Escalado automático de tipos de datos de punto fijo.

• La optimización del código que ha generado desde el modelo. Esta optimización puede eliminar código algorítmico y afectar a los resultados de algunos modos de simulación, como el modo externo o el SIL. Para obtener más información, consulte Optimize using the specified minimum and maximum values (Embedded Coder).

Nota

El parámetro Inner product data type Maximum no satura ni reduce el valor del término del producto interior real.

Uso programático

Parámetro de bloque: InnerProductOutMax

Tipo: vector de caracteres

Valores: "[]" | escalar

Valor predeterminado: "[]"

Características del bloque

Tipos de datos	Boolean | double | fixed point | half | integer | single
Paso directo	sí
Señales multidimensionales	no
Señales de tamaño variable	no
Detección de cruce por cero	no

Más acerca de

Respuesta pronosticada

En los modelos de regresión lineal, la respuesta pronosticada para la observación x es

y = xβ+b

β es el vector columna estimado de los coeficientes, y b es el sesgo de escalar estimado. El objeto del modelo de regresión lineal especificado por Seleccione el modelo de machine learning entrenado contiene los coeficientes y el sesgo en las propiedades Beta y Bias, respectivamente. β y b corresponden a Beta y Bias, respectivamente.

Puede especificar los tipos de datos para los componentes requeridos para calcular respuestas pronosticadas usando Tipo de datos de salida y Tipo de datos del producto interior.

• Output data type determina el tipo de datos de la respuesta pronosticada.

• Inner product data type determina el tipo de datos de xβ.

Funcionalidad alternativa

Puede utilizar un bloque MATLAB Function con la función de objeto predict de un objeto de regresión lineal (RegressionLinear). Para ver un ejemplo, consulte Predict Class Labels Using MATLAB Function Block.

Cuando decida si utilizar el bloque RegressionLinear Predict en la biblioteca Statistics and Machine Learning Toolbox™ o el bloque MATLAB Function con la función predict, considere lo siguiente:

• Si utiliza el bloque de biblioteca Statistics and Machine Learning Toolbox, puede utilizar la herramienta de punto fijo (Fixed-Point Designer) para convertir un modelo de punto flotante en uno de punto fijo.

• La compatibilidad con los arreglos de tamaño variable debe activarse para un bloque de funciones de MATLAB con la función predict.

• Si utiliza un bloque de funciones de MATLAB, puede utilizar las funciones de MATLAB para procesar previa o posteriormente después o antes de las predicciones del mismo bloque de funciones de MATLAB.

Capacidades ampliadas

Generación de código C/C++
Genere código C y C++ mediante Simulink® Coder™.

Conversión de punto fijo
Diseñe y simule sistemas en punto fijo mediante Fixed-Point Designer™.

Historial de versiones

Introducido en R2023a

Consulte también

Bloques

• RegressionSVM Predict | ClassificationLinear Predict | IncrementalRegressionLinear Predict | IncrementalRegressionLinear Fit

Objetos

• RegressionLinear

Funciones

• predict | fitrlinear

Temas

• Predict Responses Using RegressionSVM Predict Block
• Predict Class Labels Using MATLAB Function Block