oobLoss

Ошибка регрессии из сумки

Синтаксис

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

Описание

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

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

Регрессия уволила ансамбль, созданный 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. oobLoss 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, oobLoss вызовы это как

FUN(Y,Yfit,W)

где Y, Yfit, и W числовые векторы из 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`	Среднеквадратическая ошибка наблюдений из сумки, скаляра. `L` может быть вектор 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 carsmall данные.

Загрузите carsmall набор данных и избранный объем двигателя, лошадиная сила и вес транспортного средства 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 = 16.9551

Больше о

развернуть все

Из сумки

Bagging, который обозначает “агрегацию начальной загрузки”, является типом приобретения знаний ансамблем. Увольнять 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 N наблюдения из N с заменой, где N размер набора данных. Найти предсказанный ответ обученного ансамбля, predict берет среднее значение по предсказаниям от отдельных деревьев.

Рисование N из N наблюдения с заменой не используют в среднем 37% (1/e) наблюдений для каждого дерева решений. Это наблюдения "из сумки". Для каждого наблюдения, oobLoss оценивает предсказание из сумки путем усреднения по предсказаниям от всех деревьев в ансамбле, для которого это наблюдение вне сумки. Это затем сравнивает вычисленное предсказание 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