主要内容

oobLoss

Out-of-bag回归误差

在页面中全部展开

语法

L = oobLoss(实体)
L = oobLoss(实体、名称、值)

描述

l= oobLoss (实体）返回的均方误差实体为包外数据计算。

l= oobLoss (实体，名称,值）使用一个或多个指定的附加选项计算错误名称,值对参数。可以以任意顺序指定多个名值对参数Name1, Value1,…,的家．

输入参数

实体

一个回归袋装集合，由fitrensemble．

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．oobLoss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，oobLoss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是预测的反应，和W是观察权重。

默认值:mse的

模式

表示输出含义的字符向量或字符串标量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”

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

输出参数

l

外袋观测值的均方误差，一个标量。l可以是矢量，也可以表示不同的量，具体取决于名称-值设置。

例子

全部展开

打开生活的脚本

计算包外误差carsmall数据。

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];

训练一个袋装回归树集合。

实体= fitrensemble (X,英里/加仑,“方法”，“包”）;

查找out- out- bag错误。

L = oobLoss(实体)
L = 16.9551

更多关于

全部展开

扩展功能

另请参阅

|

Baidu
map