损失
回归误差为高斯过程回归模型
语法
L =损失(gprMdl Xnew Ynew)
L =损失(gprMdl Xnew Ynew,名称,值)
描述
l=损失(gprMdl,Xnew,Ynew)探地雷达,使用的预测因子Xnew和观察到的反应Ynew。
l=损失(gprMdl,Xnew,Ynew,名称,值)探地雷达,由一个或多个指定附加选项名称,值对参数。例如,您可以指定一个自定义函数或观察的重量损失。
请注意
如果预测数据Xnew包含任何缺失值,损失函数可以返回NaN。更多细节,请参阅损失可以返回NaN预测数据缺失值。
输入参数
输出参数
例子
计算回归测试数据的损失
加载示例数据。
负载(“gprdata.mat”)
数据8预测变量和包含500个训练数据和100年观察观察测试数据。这是模拟数据。
适合使用方探地雷达模型指数核函数与单独为每个预测长度尺度。规范训练数据的预测价值。使用精确的拟合和预测的方法。
gprMdl = fitrgp (Xtrain ytrain,“FitMethod”,“准确”,…“PredictMethod”,“准确”,“KernelFunction”,“ardsquaredexponential”,…“标准化”1);
计算的回归误差测试数据。
L =损失(gprMdl Xtest、欧美)
L = 0.6928
预测的响应测试数据。
ypredtest =预测(gprMdl Xtest);
测试响应以及预测的阴谋。
图;情节(欧美,“r”);持有在;情节(ypredtest“b”);传奇(“数据”,“预测”,“位置”,“最佳”);
手动计算回归的损失。
L =(欧美- ypredtest) ' *(欧美- ypredtest) /长度(欧美)
L = 0.6928
指定自定义损失函数
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 =损失(mdl、台、“lossfun”有趣的)
L = 0.2345
选择
您可以使用resubLoss计算训练有素的探地雷达的回归误差模型的训练数据的观测。
