Ошибка регрессии
L = loss(ens,tbl,ResponseVarName)
L = loss(ens,tbl,Y)
L = loss(ens,X,Y)
L = loss(___,Name,Value)
возвращает среднюю квадратичную невязку между предсказаниями L
= loss(ens
,tbl
,ResponseVarName
)ens
к данным в tbl
, по сравнению с истинными ответами tbl.ResponseVarName
.
возвращает среднюю квадратичную невязку между предсказаниями L
= loss(ens
,tbl
,Y
)ens
к данным в tbl
, по сравнению с истинными ответами Y
.
возвращает среднюю квадратичную невязку между предсказаниями L
= loss(ens
,X
,Y
)ens
к данным в X
, по сравнению с истинными ответами Y
.
вычисляет ошибку в предсказании с дополнительными опциями, заданными одним или несколькими L
= loss(___,Name,Value
)Name,Value
аргументы в виде пар, с использованием любого из предыдущих синтаксисов.
|
Регрессионный ансамбль, созданный с |
|
Выборочные данные, заданный как таблица. Каждая строка Если вы тренировались |
|
Имя переменной отклика, заданное как имя переменной в Вы должны задать |
|
Матрица значений предиктора. Каждый столбец
Если вы тренировались |
|
Числовой вектор-столбец с одинаковым числом строк, как и
|
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
.
|
Индексы слабых учащихся ансамбля в диапазоне от По умолчанию: |
|
Указатель на функцию потерь или fun(Y,Yfit,W) где
Возвращенное значение По умолчанию: |
|
Значение выхода
По умолчанию: |
|
Логическая матрица размера По умолчанию: |
|
Числовой вектор весов наблюдений с таким же количеством элементов, как и По умолчанию: |
|
Средневзвешенная квадратичная невязка предсказаний. Формула для |