Exponenta Banner
exponenta event banner

потеря

Ошибка регрессии

расширьте все на странице

Синтаксис

L = loss(ens,tbl,ResponseVarName)
L = loss(ens,tbl,Y)
L = loss(ens,X,Y)
L = loss(___,Name,Value)

Описание

L = loss(ens,tbl,ResponseVarName) возвращает среднеквадратическую ошибку между прогнозами ens к данным в tbl, по сравнению с истинными ответами tbl.ResponseVarName.

L = loss(ens,tbl,Y) возвращает среднеквадратическую ошибку между прогнозами ens к данным в tbl, по сравнению с истинными ответами Y.

L = loss(ens,X,Y) возвращает среднеквадратическую ошибку между прогнозами ens к данным в X, по сравнению с истинными ответами Y.

L = loss(___,Name,Value) вычисляет ошибку в прогнозе с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value, с помощью любого из предыдущих синтаксисов.

Входные параметры

ens

Ансамбль регрессии, созданный с fitrensemble или методом compact.

tbl

Выборочные данные, заданные как таблица. Каждая строка tbl соответствует одному наблюдению, и каждый столбец соответствует одной переменной прогноза. tbl должен содержать все предикторы, используемые, чтобы обучить модель. Многостолбцовые переменные и массивы ячеек кроме массивов ячеек из символьных векторов не позволены.

Если бы вы обучили ens с помощью выборочных данных, содержавшихся в table, то входные данные для этого метода должны также быть в таблице.

ResponseVarName

Имя переменной отклика, заданное как имя переменной в tbl. Переменная отклика должна быть числовым вектором.

Необходимо задать ResponseVarName как вектор символов или представить скаляр в виде строки. Например, если переменная отклика, Y хранится как tbl.Y, то задают его как 'Y'. В противном случае программное обеспечение обрабатывает все столбцы tbl, включая Y, как предикторы когда обучение модель.

X

Матрица значений предиктора. Каждый столбец X представляет одну переменную, и каждая строка представляет одно наблюдение.

Значения NaN в X приняты, чтобы быть отсутствующими значениями. Наблюдения со всеми отсутствующими значениями для X не используются в вычислении потери.

Если бы вы обучили ens с помощью выборочных данных, содержавшихся в матрице, то входные данные для этого метода должны также быть в матрице.

Y

Числовой вектор-столбец с одинаковым числом строк как tbl или X. Каждая запись в Y является ответом на данные в соответствующей строке tbl или X.

Значения NaN в Y приняты, чтобы быть отсутствующими значениями. Наблюдения с отсутствующими значениями для Y не используются в вычислении потери.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

'learners'

Индексы слабых учеников в ансамбле в пределах от 1 к ens .NumTrained. oobEdge использует только этих учеников для вычисления потери.

Значение по умолчанию: 1:NumTrained

'lossfun'

Указатель на функцию для функции потерь или 'mse', означая среднеквадратическую ошибку. Если вы передаете указатель на функцию fun, loss вызывает его как

fun(Y,Yfit,W)

где Y, Yfit и W являются числовыми векторами той же длины.

  • Y является наблюдаемым ответом.

  • Yfit является предсказанным ответом.

  • W является весами наблюдения.

Возвращенное значение fun(Y,Yfit,W) должно быть скаляром.

Значение по умолчанию: 'mse'

'mode'

Значение вывода L:

  • 'ensemble' — L является скалярным значением, потерей для целого ансамбля.

  • 'individual' — L является вектором с одним элементом на обученного ученика.

  • 'cumulative' — L является вектором, в котором элементе J получен при помощи учеников 1:J из списка входов учеников.

Значение по умолчанию: 'ensemble'

'UseObsForLearner'

Логическая матрица размера N-by-NumTrained, где N является количеством наблюдений в ens .X и NumTrained, является количеством слабых учеников. Когда UseObsForLearner(I,J) является true, predict использует ученика J в предсказании наблюдения I.

Значение по умолчанию: true(N,NumTrained)

'weights'

Числовой вектор весов наблюдения с тем же числом элементов как Y. Формула для loss с weights находится в Квадратичной невязке Взвешенного среднего.

Значение по умолчанию: ones(size(Y))

Выходные аргументы

L

Квадратичная невязка взвешенного среднего прогнозов. Формула для loss находится в Квадратичной невязке Взвешенного среднего.

Примеры

развернуть все

Скрипт Open Live Script

Найдите потерю предиктора ансамбля с помощью набора данных carsmall.

Загрузите набор данных carsmall и выберите объем двигателя, лошадиную силу и вес автомобиля как предикторы.

load carsmall
X = [Displacement Horsepower Weight];

Обучите ансамбль деревьев регрессии и найдите ошибку регрессии для предсказания MPG.

ens = fitrensemble(X,MPG);
L = loss(ens,X,MPG)
L = 0.3463

Больше о

развернуть все

Расширенные возможности

Смотрите также

|

Документация Statistics and Machine Learning Toolbox
Поддержка