resubLoss

Регрессионная ошибка при повторном замещении

Синтаксис

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

Описание

L = resubLoss(ens) возвращает потерю повторного замещения, означающую среднеквадратичную ошибку, вычисленную для данных, которые fitrensemble используется для создания ens.

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

Входные аргументы

ens

Регрессионный ансамбль, созданный с помощью fitrensemble.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

'learners'

Показатели слабых учащихся в ансамбле варьируются от 1 кому NumTrained. resubLoss использует только этих учеников для расчета потерь.

По умолчанию: 1:NumTrained

'lossfun'

Дескриптор функции для функции потери или 'mse', что означает квадрат ошибки. При передаче дескриптора функции fun, resubLoss называет его как

FUN(Y,Yfit,W)

где Y, Yfit, и W - числовые векторы одинаковой длины. Y - наблюдаемый ответ, Yfit является прогнозируемым ответом, и W - вес наблюдения.

По умолчанию: 'mse'

'mode'

Вектор символов или строковый скаляр, представляющий значение вывода L:

'ensemble' — L - скалярное значение, потеря для всего ансамбля.
'individual' — L - вектор с одним элементом на обучаемого ученика.
'cumulative' — L - вектор, в котором находится элемент J получается с помощью обучающихся 1:J из входного списка обучающихся.

По умолчанию: 'ensemble'

Выходные аргументы

`L`	Убыток, по умолчанию среднеквадратическая ошибка. `L` может быть вектором и может означать различные вещи, в зависимости от настроек пары имя-значение.

Примеры

развернуть все

Оценка потерь в связи с возвратом

Открыть сценарий в реальном времени

Найдите среднеквадратичную разницу между прогнозами повторного замещения и данными обучения.

Загрузить carsmall набор данных и выбор лошадиных сил и веса транспортного средства в качестве предикторов.

load carsmall
X = [Horsepower Weight];

Обучить ансамбль регрессионных деревьев и найти среднеквадратичную разницу предсказаний из тренировочных данных.

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

MSE = 0.5836

См. также

loss | resubLoss | resubPredict

Документация