resubLoss

Ошибка регрессии перезаменой

Синтаксис

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

Описание

L = resubLoss(ens) возвращает потерю перезамены, означая среднеквадратическую ошибку, вычисленную для данных что fitrensemble используемый, чтобы создать ens.

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

Входные параметры

ens

Ансамбль регрессии создается с fitrensemble.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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. resubLoss использование только эти ученики для вычисления потери.

Значение по умолчанию: 1:NumTrained

'lossfun'

Указатель на функцию для функции потерь или 'mse', значение среднеквадратической ошибки. Если вы передаете указатель на функцию fun, resubLoss вызовы это как

FUN(Y,Yfit,W)

где Y, Yfit, и W числовые векторы той же длины. Y наблюдаемый ответ, Yfit предсказанный ответ и W веса наблюдения.

Значение по умолчанию: 'mse'

'mode'

Вектор символов или строковый скаляр, представляющий значение выхода L:

  • 'ensemble' L скалярное значение, потеря для целого ансамбля.

  • 'individual' L вектор с одним элементом на обученного ученика.

  • 'cumulative' L вектор в который элемент J получен при помощи учеников 1:J из списка входов учеников.

Значение по умолчанию: 'ensemble'

Выходные аргументы

L

Потеря, по умолчанию среднеквадратическая ошибка. L может быть вектор и может означать разные вещи, в зависимости от настроек пары "имя-значение".

Примеры

развернуть все

Найдите среднеквадратическое различие между предсказаниями перезамены и обучающими данными.

Загрузите carsmall набор данных и избранная лошадиная сила и вес транспортного средства как предикторы.

load carsmall
X = [Horsepower Weight];

Обучите ансамбль деревьев регрессии и найдите среднеквадратическое различие предсказаний от обучающих данных.

ens = fitrensemble(X,MPG);
MSE = resubLoss(ens) 
MSE = 0.5836

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте