kfoldLoss

Утрата перекрестной проверки разделенного ансамбля регрессии

Синтаксис

L = kfoldLoss(cvens)
L = kfoldLoss(cvens,Name,Value)

Описание

L = kfoldLoss(cvens) возвращает потерю перекрестной проверки cvens.

L = kfoldLoss(cvens,Name,Value) возвращает потерю перекрестной проверки 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

cvens

Объект класса RegressionPartitionedEnsemble. Создайте obj с fitrensemble наряду с одной из опций перекрестной проверки: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'. В качестве альтернативы создайте obj от ансамбля регрессии с crossval.

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.

'folds'

Индексы сгибов в пределах от 1 к cvens.KFold. Используйте только эти сгибы для предсказаний.

Значение по умолчанию: 1:cvens.KFold

'lossfun'

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

fun(Y,Yfit,W)

где Y, Yfit, и W числовые векторы из той же длины.

  • Y наблюдаемый ответ.

  • Yfit предсказанный ответ.

  • W веса наблюдения.

Возвращенное значение fun(Y,Yfit,W) должен быть скаляр.

Значение по умолчанию: 'mse'

'mode'

Метод за вычислительную потерю перекрестной проверки.

  • 'average' L скалярное значение, средняя потеря по всем сгибам.

  • 'individual' L вектор с одним элементом на сгиб.

  • 'cumulative' L вектор с длиной минимального количества наблюдений, используемых для обучения в каждом сгибе. Каждый элемент в векторном L получен путем взятия среднего значения потери через все сгибы.

Значение по умолчанию: 'average'

Выходные аргументы

L

Потеря (среднеквадратическая ошибка) между наблюдениями в сгибе, когда сравнено с предсказаниями, сделанными с ансамблем, обученным на данных из сгиба. L может быть вектор и может означать разные вещи, в зависимости от настроек пары "имя-значение".

Примеры

развернуть все

Найдите потерю перекрестной проверки для ансамбля регрессии carsmall данные.

Загрузите carsmall набор данных и избранное смещение, лошадиная сила и вес транспортного средства как предикторы.

load carsmall
X = [Displacement Horsepower Weight];

Обучите ансамбль деревьев регрессии.

rens = fitrensemble(X,MPG);

Создайте перекрестный подтвержденный ансамбль из rens и найдите потерю перекрестной проверки k-сгиба.

rng(10,'twister') % For reproducibility
cvrens = crossval(rens);
L = kfoldLoss(cvrens)
L = 28.7114

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте