새 예측 변수 입력값으로, 테이블 또는 행렬로 지정됩니다. Xnew의 각 행은 하나의 관측값에 대응되고, 각 열은 하나의 변수에 대응됩니다.
Xnew가 테이블이면 mdl의 PredictorNames 속성에 있는 예측 변수와 이름이 동일한 예측 변수를 포함해야 합니다.
Xnew가 행렬이면 mdl을 만드는 데 사용된 예측 변수 입력과 같은 순서로 같은 개수의 변수(열)를 가져야 합니다. mdl을 만드는 데 사용되는 모든 변수는 숫자형이어야 합니다. 숫자형 예측 변수를 범주형으로 처리하려면 mdl을 만들 때 CategoricalVars 이름-값 인수를 사용하여 예측 변수를 지정하십시오.
saveLearnerForCoder, loadLearnerForCoder, codegen (MATLAB Coder)을 사용하여 random에 대한 코드를 생성합니다. saveLearnerForCoder를 사용하여 훈련된 모델을 저장합니다. loadLearnerForCoder를 사용하여 저장된 모델을 불러오고 random 함수를 호출하는 진입점 함수를 정의합니다. 그런 다음 codegen을 사용하여 진입점 함수에 대한 코드를 생성합니다.
random은 다음 중 하나에 해당하는 경우 MATLAB®과 다른 수열을 반환할 수 있습니다.
출력값이 비 스칼라입니다.
입력 모수가 분포에 유효하지 않습니다.
다음 표에는 random의 인수에 대한 참고 사항 포함되어 있습니다. 이 표에 포함되지 않은 인수는 완전히 지원됩니다.
인수
참고 및 제한 사항
mdl
fitlm을 사용하고 'RobustOpts'를 RobustWgtFun 필드에 대한 익명 함수 핸들을 가진 구조체로 지정하여 선형 모델을 훈련시키고 saveLearnerForCoder를 사용하여 모델을 저장한 다음 loadLearnerForCoder를 사용하여 모델을 불러온다고 가정하겠습니다. 이 경우, loadLearnerForCoder는 Robust 속성을 MATLAB 작업 공간으로 복원할 수 없습니다. 그러나 loadLearnerForCoder는 코드 생성을 위해 컴파일 시점에 진입점 함수 내에서 모델을 불러올 수 있습니다.
모델 객체의 사용법 관련 참고 및 제한 사항은CompactLinearModel 객체에 대한 코드 생성 항목을 참조하십시오.
Xnew
Xnew는 단정밀도 또는 배정밀도 행렬이거나 숫자형 변수, 범주형 변수 또는 둘 다 포함하는 테이블이어야 합니다.
Xnew의 행 개수 또는 관측값 개수는 가변 크기를 가질 수 있지만, Xnew의 열 개수는 고정되어야 합니다.
Xnew를 테이블로 지정하려면 테이블을 사용하여 모델을 훈련해야 하며, 예측을 위한 진입점 함수는 다음을 수행해야 합니다.