Exponenta Banner
exponenta event banner

loss

Ошибка регрессии

развернуть все на странице

Синтаксис

L = loss(ens,tbl,ResponseVarName)
L = loss(ens,tbl,Y)
L = loss(ens,X,Y)
L = loss(___,Name,Value)

Описание

L = loss(ens,tbl,ResponseVarName) возвращает среднюю квадратичную невязку между предсказаниями ens к данным в tbl, по сравнению с истинными ответами tbl.ResponseVarName.

L = loss(ens,tbl,Y) возвращает среднюю квадратичную невязку между предсказаниями ens к данным в tbl, по сравнению с истинными ответами Y.

L = loss(ens,X,Y) возвращает среднюю квадратичную невязку между предсказаниями ens к данным в X, по сравнению с истинными ответами Y.

L = loss(___,Name,Value) вычисляет ошибку в предсказании с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар, с использованием любого из предыдущих синтаксисов.

Входные параметры

ens

Регрессионный ансамбль, созданный с fitrensemble, или compact способ.

tbl

Выборочные данные, заданный как таблица. Каждая строка tbl соответствует одному наблюдению, и каждый столбец соответствует одной переменной предиктора. tbl должен содержать все предикторы, используемые для обучения модели. Многополюсные переменные и массивы ячеек, отличные от массивов ячеек векторов символов, не разрешены.

Если вы тренировались ens использование выборочных данных, содержащихся в table, тогда входные данные для этого метода также должны быть в таблице.

ResponseVarName

Имя переменной отклика, заданное как имя переменной в tbl. Переменная отклика должна быть числовым вектором.

Вы должны задать ResponseVarName как вектор символов или строковый скаляр. Для примера, если переменная отклика Y хранится как tbl.Y, затем укажите его следующим 'Y'. В противном случае программное обеспечение обрабатывает все столбцы tbl, включая Y, как предикторы при обучении модели.

X

Матрица значений предиктора. Каждый столбец X представляет одну переменную, и каждая строка представляет одно наблюдение.

NaN значения в X считаются отсутствующими значениями. Наблюдения со всеми отсутствующими значениями для X не используются при расчете потерь.

Если вы тренировались ens используя выборочные данные, содержащуюся в матрице, тогда входные данные для этого метода должны также быть в матрице.

Y

Числовой вектор-столбец с одинаковым числом строк, как и tbl или X. Каждая запись в Y - ответ на данные в соответствующей строке tbl или X.

NaN значения в Y считаются отсутствующими значениями. Наблюдения с отсутствующими значениями для Y не используются при расчете потерь.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

'learners'

Индексы слабых учащихся ансамбля в диапазоне от 1 на ens.NumTrained. oobEdge использует только этих учащихся для вычисления потерь.

По умолчанию: 1:NumTrained

'lossfun'

Указатель на функцию потерь или 'mse', что означает среднюю квадратичную невязку. Если вы передаете указатель на функцию fun, loss вызывает его как

fun(Y,Yfit,W)

где Y, Yfit, и W являются числовыми векторами той же длины.

  • Y - наблюдаемая реакция.

  • Yfit - предсказанная реакция.

  • W - веса наблюдений.

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

По умолчанию: 'mse'

'mode'

Значение выхода L:

  • 'ensemble' — L является скалярным значением, потеря для всего ансамбля.

  • 'individual' — L является вектором с одним элементом на обученного учащегося.

  • 'cumulative' — L - вектор, в котором находится элемент J получается при помощи обучающихся 1:J из входа списка учащихся.

По умолчанию: 'ensemble'

'UseObsForLearner'

Логическая матрица размера N-by- NumTrained, где N количество наблюдений в ens.X, и NumTrained количество слабых учащихся. Когда UseObsForLearner(I,J) является true, predict использует J учащихся в прогнозировании наблюдений I.

По умолчанию: true(N,NumTrained)

'weights'

Числовой вектор весов наблюдений с таким же количеством элементов, как и Y. Формула для loss с weights находится в взвешенной средней квадратичной невязке.

По умолчанию: ones(size(Y))

Выходные аргументы

L

Средневзвешенная квадратичная невязка предсказаний. Формула для loss находится в взвешенной средней квадратичной невязке.

Примеры

расширить все

Открыть Live Script

Найдите потерю предиктора ансамбля, используя carsmall набор данных.

Загрузите carsmall набор данных и выбор объема двигателя, лошадиных сил и веса транспортного средства в качестве предикторов.

load carsmall
X = [Displacement Horsepower Weight];

Обучите ансамбль регрессионных деревьев и найдите регрессионую ошибку для предсказания MPG.

ens = fitrensemble(X,MPG);
L = loss(ens,X,MPG)
L = 0.3463

Подробнее о

расширить все

Расширенные возможности

См. также

|

Statistics and Machine Learning Toolbox документация

Поддержка