oobLoss

Ошибка регрессии из сумки

Синтаксис

L = oobLoss(ens) L = oobLoss(ens,Name,Value)

Описание

L = oobLoss(ens) возвращает среднеквадратическую ошибку для ens, вычисленного для данных из сумки.

L = oobLoss(ens,Name,Value) вычисляет ошибку с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value. Можно задать несколько аргументов пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные параметры

ens

Регрессия уволила ансамбль, созданный с fitrensemble.

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 NumTrained. oobLoss 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, oobLoss 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, и W является весами наблюдения.

Значение по умолчанию: 'mse'

'mode'

Вектор символов или скаляр строки представление значения 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'

Выходные аргументы

`L`	Среднеквадратическая ошибка наблюдений из сумки, скаляра. `L` может быть вектором или может представлять различное количество, в зависимости от настроек значения имени.

Примеры

развернуть все

Найдите ошибку регрессии из сумки

Скрипт Open Live Script

Вычислите ошибку из сумки для 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 сложенных в мешок деревьев регрессии.

ens = fitrensemble(X,MPG,'Method','Bag');

Найдите ошибку из сумки.

L = oobLoss(ens)

L = 19.4399

Больше о

развернуть все

Из сумки

Bagging, который обозначает “агрегацию начальной загрузки”, является типом приобретения знаний ансамблем. Чтобы уволить слабого ученика, такого как дерево решений на наборе данных, fitrensemble генерирует много копий начальной загрузки набора данных и выращивает деревья решений на этих копиях. fitrensemble получает каждую копию начальной загрузки путем случайного выбора наблюдений N из N с заменой, где N является размером набора данных. Чтобы найти предсказанный ответ обученного ансамбля, predict берет среднее значение по прогнозам от отдельных деревьев.

Вытягивание N из наблюдений N с заменой не использует в среднем 37% (1/e) наблюдений для каждого дерева решений. Это наблюдения "из сумки". Для каждого наблюдения oobLoss оценивает прогноз из сумки путем усреднения по прогнозам от всех деревьев в ансамбле, для которого это наблюдение вне сумки. Это затем сравнивает вычисленный прогноз с истинным ответом для этого наблюдения. Это вычисляет ошибку из сумки путем сравнения предсказанных ответов из сумки с истинными ответами для всех наблюдений, используемых для обучения. Это среднее значение из сумки является несмещенным средством оценки истинной ошибки ансамбля.

Смотрите также

loss | oobPredict

Документация