resubLoss

Resubstitution回归损失

所有的页面崩溃

语法

L = resubLoss (Mdl)

L = resubLoss (Mdl、名称、值)

描述

例子

l= resubLoss (Mdl)返回由resubstitution回归损失(L),或样本回归损失,训练有素的回归模型Mdl使用训练数据存储在Mdl.X和相应的响应存储在Mdl.Y。

的解释l取决于损失函数(“LossFun”)和加权方案(Mdl.W)。一般来说,更好的模型产量较小的损失值。默认的“LossFun”值是mse的(均方误差)。

例子

l= resubLoss (Mdl,名称,值)使用一个或多个名称参数指定附加选项。例如,“IncludeInteractions”,假的指定排除交互从广义加性模型Mdl。

例子

全部折叠

Resubstitution损失

打开生活的脚本

火车一个广义相加模型(GAM),然后计算resubstitution损失使用均方误差(MSE)。

加载病人数据集。

负载病人

创建一个表,其中包含预测变量(年龄,舒张压,吸烟者,重量,性别,SelfAssessedHealthStatus)和响应变量(收缩压)。

台=表(年龄、舒张压、吸烟、体重、性别、SelfAssessedHealthStatus,收缩期);

火车一个包含线性单变量GAM的预测资源描述。

Mdl = fitrgam(资源描述,“收缩”)

Mdl = RegressionGAM PredictorNames: {1} x6细胞ResponseName:“收缩”CategoricalPredictors: [3 5 6] ResponseTransform:“没有一个”拦截:122.7800 IsStandardDeviationFit: 0 NumObservations: 100属性,方法

Mdl是一个RegressionGAM模型对象。

resubstitution损失计算使用均方误差(MSE)。

L = resubLoss (Mdl)

L = 4.1957

计算定制Resubstitution损失

打开生活的脚本

加载和存储在一个示例数据表。

负载fisheriris台=表(量(:1),量(:,2),(:,3),(4):,,,…“VariableNames”,{“meas1”,“meas2”,“meas3”,“meas4”,“物种”});

适合使用第一测量探地雷达模型和其他变量的响应预测。

mdl = fitrgp(资源描述,“meas1”);

预测使用训练模型的响应。

ypred =预测(mdl(资源);

计算的平均绝对误差。

n =身高(台);y = tbl.meas1;有趣= @ (y, ypred, w)和(abs (y-ypred)) / n;L = resubLoss (mdl,“lossfun”有趣的)

L = 0.2345

比较gam通过检查回归的损失

打开生活的脚本

火车广义相加模型(GAM)包含预测的线性和互动方面,和回归估计损失(均方误差,MSE)和没有交互方面的训练数据和测试数据。指定是否要包括交互条款当回归估计的损失。

加载carbig的数据集,其中包含测量汽车在1970年代末和1980年代初。

负载carbig

指定加速度,位移,马力,重量作为预测变量(X),英里/加仑作为响应变量(Y)。

X =(加速度、位移、马力、重量);Y = MPG;

分区数据集分为两组:一个包含训练数据,和其他包含新的,未被注意的测试数据。储备10观察新的测试数据集。

rng (“默认”)%的再现性n =大小(X, 1);newInds = randsample (n, 10);第1 = ~ ismember (1: n, newInds);XNew = X (newInds:);YNew = Y (newInds);

火车一个包含所有可用的线性广义相加模型和交互方面X。

Mdl = fitrgam (X(第1:),Y(第1),“互动”,“所有”);

Mdl是一个RegressionGAM模型对象。

计算resubstitution家中小企业(即分类家中小企业)都有或没有交互条款Mdl。排除交互条件,指定“IncludeInteractions”,假的。

resubl = resubLoss (Mdl)

resubl = 0.0292

resubl_nointeraction = resubLoss (Mdl,“IncludeInteractions”假)

resubl_nointeraction = 4.7330

计算回归家中小企业都有或没有交互方面的测试数据集。使用一个计算节约内存模型对象。

CMdl =紧凑(Mdl);

CMdl是一个CompactRegressionGAM模型对象。

l =损失(CMdl XNew YNew)

l = 12.8604

l_nointeraction =损失(CMdl XNew YNew,“IncludeInteractions”假)

l_nointeraction = 15.6741

包括交互方面达到一个小错误的训练数据集和测试数据集。

输入参数

全部折叠

`Mdl`- - - - - -回归机器学习模型
完整的回归模型对象

回归机器学习模型,指定为一个完整的回归模型对象,按照下表支持的模型。金宝app

模型	回归模型对象
高斯过程回归模型	`RegressionGP`
广义可加模型(GAM)	`RegressionGAM`
神经网络模型	`RegressionNeuralNetwork`

名称-值参数

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

例子:resubLoss (Mdl IncludeInteractions,假)不包括从广义相加模型交互方面Mdl。

`IncludeInteractions`- - - - - -标志包括交互方面
`真正的`|`假`

标志包括交互模型,指定为真正的或假。这个论点是有效的只有广义加性模型。也就是说,您可以指定这个论点只有当Mdl是RegressionGAM。

默认值是真正的如果Mdl包含交互方面。的值必须假如果模型不包含交互方面。

例子:“IncludeInteractions”,假的

数据类型:逻辑

`LossFun`- - - - - -损失函数
`mse的`(默认)|函数处理

损失函数,指定为mse的或一个函数处理。

mse的——加权均方误差。
函数处理——指定一个自定义的损失函数,使用一个函数处理。函数必须有这种形式:
```
lossval =lossfun(Y, YFit W)
```
- 输出参数lossval是一个浮点数。
- 你指定函数名(lossfun)。
- Y是一个长度n观察到的响应的数值向量,n观察的数量吗资源描述或X。
- YFit是一个长度n数字矢量预测相应的反应。
- W是一个n1数字的观察向量权重。