主要内容

损失

回归误差

在页面中全部展开

语法

L =损失(实体、资源描述、ResponseVarName)
L =损失(实体、资源描述,Y)
L =损失(实体,X, Y)
L =损失(___、名称、值)

描述

l=损失(实体，资源描述，ResponseVarName）的预测之间的均方误差实体的数据资源描述，与真实的回答相比资源描述。ResponseVarName．

l=损失(实体，资源描述，Y）的预测之间的均方误差实体的数据资源描述，与真实的回答相比Y．

l=损失(实体，X，Y）的预测之间的均方误差实体的数据X，与真实的回答相比Y．

l=损失(___，名称,值）使用一个或多个指定的附加选项计算预测中的错误名称,值对参数，使用任何前面的语法。

输入参数

实体

一个回归集合创建fitrensemble,或者是紧凑的方法。

资源描述

示例数据，指定为表。每一行的资源描述对应一个观察结果，每一列对应一个预测变量。资源描述必须包含用于训练模型的所有预测器。不允许多列变量和字符向量的单元格数组以外的单元格数组。

如果你训练实体使用表中包含的样例数据，则此方法的输入数据也必须在表中。

ResponseVarName

中指定为变量名的响应变量名资源描述．响应变量必须是一个数字向量。

您必须指定ResponseVarName作为字符向量或字符串标量。例如，如果响应变量Y存储为资源描述。Y，然后将其指定为“Y”．的所有列资源描述,包括Y，作为训练模型时的预测因子。

X

预测值的矩阵。每一列的X表示一个变量，每一行表示一个观察结果。

如果你训练实体使用矩阵中包含的样本数据，那么该方法的输入数据也必须在矩阵中。

Y

具有相同行数的数值列向量资源描述或X．中的每个条目Y对应行中的数据是否响应资源描述或X．

南值Y被认为是缺失的值。缺少值的观察值Y都不用于计算损失。

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名-值参数必须出现在其他参数之后，但对的顺序并不重要。

在R2021a之前，名称和值之间用逗号隔开，并括起来的名字在报价。

学习者

弱学习者在集合中的指标从1来实体.NumTrained．损失只使用这些学习器来计算损失。

默认值:1: NumTrained

lossfun

损失函数的函数句柄，或mse的，表示均方误差。如果传递函数句柄有趣的，损失称它为

乐趣(Y, Yfit, W)

在哪里Y，Yfit,W是长度相同的数值向量。

  • Y是观察到的响应。

  • Yfit是预测的响应。

  • W是观察权重。

返回值乐趣(Y, Yfit, W)应该是一个标量。

默认值:mse的

模式

输出的含义l：

  • “合奏”- - - - - -l是一个标量值，整个集合的损失。

  • “个人”- - - - - -l是一个向量，每个受过训练的学习者只有一个元素。

  • “累积”- - - - - -l向量在哪个元素中J是通过使用学习者获得的吗1: J从学习者的输入列表。

默认值:“合奏”

UseObsForLearner

大小的逻辑矩阵N——- - - - - -NumTrained,在那里N观察的数量在吗实体．X,NumTrained学习者的数量是弱的。当UseObsForLearner (I, J)是真正的，预测使用学习者J在预测观察我．

默认值:真正的(N, NumTrained)

UseParallel

指示并行执行推理，指定为假(串行计算)或真正的(并行计算)。并行计算需要并行计算工具箱™。并行推理比串行推理更快，特别是对于大型数据集。并行计算只支持树型学习者。

默认值:假

权重

元素个数相同的观察权重的数值向量Y．的公式损失与权重是在加权均方误差．

默认值:(大小(Y))

输出参数

l

预测的加权均方误差。的公式损失是在加权均方误差．

例子

全部展开

打开生活的脚本

寻找集合预测器的损失carsmall数据集。

加载carsmall数据集和选择发动机排量，马力和车辆重量作为预测。

负载carsmallX =[排量马力重量];

训练回归树集合，找出回归误差进行预测英里/加仑．

实体= fitrensemble (X, MPG);L =损失(实体,X,英里/加仑)
L = 0.3463

更多关于

全部展开

扩展功能

另请参阅

|

Baidu
map