일반 선형 피팅

공분산 선택자는 VI가 공분산 행렬을 계산할지 여부를 나타냅니다.

Y는 측정된 데이터 세트 Y 입니다. Y의 원소 개수는 반드시 H의 행 개수와 같아야 합니다.

H는 데이터 세트 (X, Y) 피팅에 사용하는 수식을 나타내는 행렬입니다. H_ij는 X_i의 함수값입니다.

가중치는 측정 데이터 Y에 대한 가중치의 배열입니다. 가중치는 반드시 Y와 같은 크기여야 합니다. 입력을 가중치에 연결하지 않으면, 이 VI는 가중치의 모든 원소를 1로 설정합니다.

허용오차는 최소 절대 오차 또는 바이스퀘어(Bisquare)법을 사용할 때 계수의 반복적인 조정을 언제 멈출지 결정합니다. 최소 절대 오차법의 경우, 두 연속적인 반복에서 다항식 피팅의 가중 평균 에러의 상대적인 차이가 허용오차보다 작으면 이 VI는 다항식 계수 결과를 반환합니다. 바이스퀘어(Bisquare)법의 경우, 두 연속적인 반복에서 다항식 계수의 상대적인 차이가 허용오차보다 작으면 이 VI는 다항식 계수 결과를 반환합니다.

방법은 피팅 방법을 지정합니다.

알고리즘은 최적 피팅을 계산하기 위해서 이 VI가 사용하는 알고리즘을 지정합니다. H가 부족한 계수이거나, 또는 전체 계수를 가지지 않고 다른 모든 알고리즘이 성공적이지 않을 경우에만 계수가 부족한 H를 위한 SVD 알고리즘을 사용합니다.

최적 피팅은 계수를 사용하여 계산된 피팅된 데이터입니다.

계수는 카이제곱을 최소화하는 계수의 세트입니다.

공분산은 k x k 원소를 가지는 공분산 C의 행렬입니다.

가중치 출력은 바이스퀘어(Bisquare) 방법인 경우, 일반 선형 피팅의 실제 가중치를 반환합니다. 최소 제곱 또는 최소 절대 오차 방법인 경우, 가중치 출력은 가중치에 입력한 값을 반환합니다.

에러는 VI로부터 모든 에러 또는 경고를 반환합니다. 에러를 [에러 코드를 에러 클러스터로] VI에 연결하여 에러 코드 또는 경고를 에러 클러스터로 변환할 수 있습니다.

오차는 피팅된 모델의 가중된 에러 평균을 반환합니다. 방법이 최소 절대 오차인 경우, 오차는 가중된 평균 절대 에러입니다. 그렇지 않으면, 오차는 가중된 에러 제곱 평균입니다.