resubLoss

Регрессионная ошибка путем реституции

Синтаксис

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

Описание

L = resubLoss(ens) возвращает потери реституции, означающие среднюю квадратичную невязку, вычисленную для данных, которые fitrensemble используется для создания ens.

L = resubLoss(ens,Name,Value) вычисляет убыток с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар. Можно задать несколько аргументы пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные параметры

ens

Регрессионный ансамбль, созданный с fitrensemble.

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 NumTrained. resubLoss 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, resubLoss вызывает его как

FUN(Y,Yfit,W)

где Y, Yfit, и W являются числовыми векторами той же длины. Y - наблюдаемая реакция, Yfit - предсказанная реакция, и W - веса наблюдений.

По умолчанию: 'mse'

'mode'

Вектор символов или строковый скаляр, представляющий 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'

Выходные аргументы

`L`	Потеря, по умолчанию средняя квадратичная невязка. `L` может быть вектором и может означать различные вещи, в зависимости от настроек пары "имя-значение".

Примеры

расширить все

Оценка потерь при реубституции

Открыть Live Script

Найдите среднее квадратное различие между предсказаниями реституции и обучающими данными.

Загрузите carsmall набор данных и выбор лошадиной силы и веса транспортного средства в качестве предикторов.

load carsmall
X = [Horsepower Weight];

Обучите ансамбль регрессионных деревьев и найдите среднее квадратичное различие предсказаний от обучающих данных.

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

MSE = 0.5836

См. также

loss | resubLoss | resubPredict

Документация