が、それはR

Question

でモデルformualをプリントアウトすることが可能です例えばR.でのモデルの数式をプリントアウトすることが可能であり、

library(usl) 

data(raytracer) 
usl.model <- usl(throughput ~ processors, data = raytracer) 

私は、このモデルのを見てできるようにしたいと思います（usl.model）式。どのようなアイデアwheeringは、この可能性がありますか？

Answer 1

モデルのcallスロットにあります。あなたがそれにアクセスすることができます

> usl.model@call 
usl(formula = throughput ~ processors, data = raytracer) 

よりコンパクトなオプション、表示目的のために例えば、次のとおりです。

> print(as.formula(usl.model@call), showEnv=FALSE) 
throughput ~ processors 

より一般的に

、複雑なオブジェクト/リスト上の/ etc、str()は素敵なエントリポイントです。構造上。

> str(usl.model) 
Formal class 'USL' [package "usl"] with 15 slots 
..@ frame  :'data.frame': 11 obs. of 2 variables: 
    .. ..$ throughput: num [1:11] 20 78 130 170 190 200 210 230 260 280 ... 
.. ..$ processors: num [1:11] 1 4 8 12 16 20 24 28 32 48 ... 
.. ..- attr(*, "terms")=Classes 'terms', 'formula' length 3 throughput ~ processors 
[.../...] 
..@ call   : language usl(formula = throughput ~ processors, data = raytracer) 
..@ regr   : chr "processors" 
..@ resp   : chr "throughput" 

また、オブジェクト名（例：usl.model@）へ@（または$）を追加し、その後<tab>を押すことができます。

Answer 2

「USL」ドキュメントは言う：

The Universal Scalability Law can be expressed with following 
formula. ‘C(N)’ predicts the relative capacity of the system for a 
given load ‘N’: 

    C(N) = N/(1 + sigma * (N - 1) + kappa * N * (N - 1)) 

私はあなたの質問を解釈するかどうかはわかりませんが、それはsummary(usl.model)から sigmaとkappa係数を取り、 この式にそれらを接続するために働くだろう？

更新：

N=raytracer$processors; 
attach(as.list(usl.model@coefficients)) 
F=usl.model@scale.factor 
data.frame(raytracer, pred=F* N/(1 + sigma * (N - 1) + kappa * N * (N - 1))) 

これが生成します：

processors throughput  pred 
1   1   20 20.00000 
2   4   78 69.55746 
3   8  130 118.48067 
4   12  170 154.75037 
5   16  190 182.70168 
6   20  200 204.89242 
7   24  210 222.92923 
8   28  230 237.87214 
9   32  260 250.44877 
10   48  280 285.56580 
11   64  310 306.91823 

私はどのようにシグマわからないraytracer例えば、それはNよう プロセッサの数とC(N)スループットを表して見えますκを算出する。ドキュメント はdefaultメソッドが "Guntherを引用して" 次数の多項式への変換を使用していますが、モデルフレームに プレディクタが値1を持たない場合は、係数が0,（スケール係数、シグマおよびカッパ）を使用して、 の実際の応答変数と予測される応答変数の差の平方和を最小にします（上記の最後の2列）。