resubLoss
Класс: RegressionGP
Реституционные потери для обученной модели регрессии Гауссова процесса
Синтаксис
L = resubLoss(gprMdl)
L = resubLoss(gprMdl,Name,Value)
Описание
L = resubLoss(gprMdl)gprMdl.
L = resubLoss(gprMdl,Name,Value)gprMdl, с дополнительными опциями, заданными одним или несколькими Name,Value аргументы в виде пар. Для примера можно задать пользовательскую функцию потерь или веса наблюдений.
Входные параметры
Выходные аргументы
Примеры
Вычисление потерь при реубституции
Этот пример использует набор данных «Housing» [1] из архива машинного обучения UCI [2], описанного в http://archive.ics.uci.edu/ml/datasets/Housing. Загрузите данные и сохраните их в текущей директории как файл данных с именем housing.data.
Набор данных имеет 506 наблюдений. Первые 13 столбцов содержат значения предиктора, а последний - значения отклика. Цель состоит в том, чтобы предсказать медианное значение домов, занятых владельцами в пригороде Бостона, как функцию от 13 предикторов.
Загрузите данные и задайте вектор отклика и матрицу предиктора.
load('housing.data');
X = housing(:,1:13);
y = housing(:,end);
Подгонка модели GPR с использованием подмножества регрессоров ('sr') метод приближения с Матерном 3/2 ('Matern32') функцию ядра. Предсказать с помощью полностью независимого условного ('fic') метод.
gprMdl = fitrgp(X,y,'KernelFunction','Matern32',... 'FitMethod','sr','PredictMethod','fic');
Вычислите предсказания реституции.
ypred = resubPredict(gprMdl);
Постройте график предсказанных значений отклика вместе с фактическими значениями отклика.
plot(y,'r'); % Plot original response values hold on; plot(ypred,'b--'); % Plot predicted response values ylabel('y'); legend('Actual response','Predicted response','Location','SouthWest'); axis([0 510 -10 55]); hold off
Вычислите потерю реституции.
L = resubLoss(gprMdl)
L =
4.8478Вручную вычислите потери регрессии.
n = length(y); L = (y-ypred)'*(y-ypred)/n
L =
4.8478Вычисление пользовательских потерь при повторном замещении
Загрузите выборочные данные и сохраните в table.
load fisheriris tbl = table(meas(:,1),meas(:,2),meas(:,3),meas(:,4),species,... 'VariableNames',{'meas1','meas2','meas3','meas4','species'});
Подгонка модели GPR с использованием первого измерения в качестве отклика и других переменных в качестве предикторов.
mdl = fitrgp(tbl,'meas1');Спрогнозируйте ответы, используя обученную модель.
ypred = predict(mdl,tbl);
Вычислите среднюю абсолютную ошибку.
n = height(tbl);
y = tbl.meas1;
fun = @(y,ypred,w) sum(abs(y-ypred))/n;
L = resubLoss(mdl,'lossfun',fun)L = 0.2345
Альтернативы
Чтобы вычислить ошибку регрессии для новых данных, используйте loss.
Ссылки
[1] Харрисон, Д. и Д. Л., Рубинфельд. «Гедонические цены и спрос на чистый воздух». Дж. Энвирон. Экономика и менеджмент. Vol.5, 1978, с. 81-102.
[2] Лихман, M. UCI Machine Learning Repository, Irvine, CA: University of California, School of Information and Computer Science, 2013. http://archive.ics.uci.edu/ml.
См. также
fitrgp | loss | RegressionGP | resubPredict