oobLoss

Out-of-bag回归误差

全部展开页面

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计算包外数据。

l= oobLoss (实体，名称,值）使用由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称-值对参数Name1, Value1,…,的家．

输入参数

`实体`	一个回归袋装整体，由`fitrensemble`．

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

学习者

集合中弱学习者的指标从1来NumTrained．oobLoss只使用这些学习者计算损失。

默认值:1: NumTrained

lossfun

函数处理为丢失函数，或mse的，意思是均方误差。如果你传递一个函数句柄有趣的，oobLoss称它为

乐趣(Y, Yfit, W)

在哪里Y，Yfit,W是相同长度的数字向量。Y为观察到的响应，Yfit这是预测的反应吗W为观测权重。

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为标量值，则损失为整个整体。
“个人”- - - - - -l是一个向量，每个训练有素的学习者有一个元素。
“累积”- - - - - -l向量在哪个元素中J是通过使用学习者获得的1: J从学习者的输入列表。

默认值:“合奏”

输出参数

`l`	袋外观测值的均方误差，一个标量。`l`可以是向量，也可以表示不同的数量，具体取决于名称-值设置。

例子

全部展开

发现包外回归误差

打开生活的脚本

的out- bag错误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”）;

找到包外错误。

L = oobLoss(实体)

L = 16.9551

另请参阅

oobPredict|损失

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

下载电子书