Exponenta Banner
exponenta event banner

mse

Половина среднеквадратической ошибки

свернуть все на странице

Синтаксис

dlY = mse(dlX,targets)
dlY = mse(dlX,targets,'DataFormat',FMT)

Описание

Половина операции среднеквадратической ошибки вычисляет половину потери среднеквадратической ошибки между сетевыми предсказаниями и целевыми значениями для задач регрессии.

Потеря вычисляется с помощью следующей формулы

loss=12N∑i=1M(Xi−Ti)2

где Xi является сетевым ответом, Ti является целевым значением, M является общим количеством ответов в X (через все наблюдения), и N является общим количеством наблюдений в X.

Примечание

Эта функция вычисляет половину потери среднеквадратической ошибки между предсказаниями и предназначается сохраненный как dlarray данные. Если вы хотите вычислить половину потери среднеквадратической ошибки в layerGraph объект или Layer массив для использования с trainNetwork, используйте следующий слой:

пример

dlY = mse(dlX,targets) вычисляет половину потери среднеквадратической ошибки между предсказаниями dlX и целевые значения targets для проблем регрессии. Вход dlX отформатированный dlarray с метками размерности. Выход dlY бесформатный скалярный dlarray без меток размерности.

dlY = mse(dlX,targets,'DataFormat',FMT) также задает формат размерности FMT когда dlX не отформатированный dlarray.

Примеры

свернуть все

Половина среднеквадратической ошибки оценивает, как хорошо сетевые предсказания соответствуют целевым значениям.

Создайте входные предсказания как одно наблюдение за случайными значениями с высотой и шириной шесть и один канал. 

height = 6;
width = 6;
channels = 1;
observations = 1;

X = rand(height,width,channels,observations);
dlX = dlarray(X,'SSCB')

Создайте целевые значения как числовой массив с тем же порядком размерности как входные данные dlX.

targets = ones(height,width,channels,observations);

Вычислите половину среднеквадратической ошибки между предсказаниями и целями.

dlY = mse(dlX,targets)
dlY =

  1x1 dlarray

    5.2061

Входные параметры

свернуть все

Предсказания в виде dlarray с или без меток размерности или числового массива. Когда dlX не отформатированный dlarray, необходимо задать формат этикетки размерности с помощью 'DataFormat',FMT. Если dlX числовой массив, targets должен быть dlarray.

Типы данных: single | double

Целевые значения в виде отформатированного или бесформатного dlarray или числовой массив.

Если targets отформатированный dlarray, его формат размерности должен совпасть с форматом X, или то же самое как 'DataFormat' если X восстанавливается после форматирования

Если targets бесформатный dlarray или числовой массив, размер targets должен точно совпадать с размером X. Формат X или значение 'DataFormat' неявно применяется к targets.

Типы данных: single | double

Порядок размерности бесформатных входных данных в виде разделенной запятой пары, состоящей из 'DataFormat' и символьный массив или строка FMT это обеспечивает метку для каждой размерности данных. Каждый символ в FMT должно быть одно из следующего:

  • 'S' — Пространственный

  • 'C' — Канал

  • 'B' — Пакет (например, выборки и наблюдения)

  • 'T' — Время (например, последовательности)

  • 'U' — Незаданный

Можно указать, что несколько размерностей пометили 'S' или 'U'. Можно использовать, маркирует 'C'B, и 'T' самое большее однажды.

Необходимо задать 'DataFormat',FMT когда входные данные dlX не отформатированный dlarray.

Пример: 'DataFormat','SSCB'

Типы данных: char | string

Выходные аргументы

свернуть все

Половина потери среднеквадратической ошибки, возвращенной как dlarray скаляр без меток размерности. Выход dlY имеет тот же базовый тип данных как вход dlX.

Больше о

свернуть все

Половина потери среднеквадратической ошибки

mse функция вычисляет половину потери среднеквадратической ошибки для проблем регрессии. Для получения дополнительной информации см. определение Регрессии Выходной Слой на RegressionOutputLayer страница с описанием.

Расширенные возможности

Смотрите также

| | | |

Темы

Введенный в R2019b

Документация Deep Learning Toolbox

Поддержка