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
返回均方误差为高斯过程回归(GPR)模型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
。
返回探地雷达的均方误差模型,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
gprMdl
- - - - - -高斯过程回归模型
RegressionGP
对象|CompactRegressionGP
对象
高斯过程回归模型,指定为一个RegressionGP
(完整的)或CompactRegressionGP
(契约)对象。
Ynew
- - - - - -新的响应值
n1的向量
新观察到的响应值,对应的预测价值Xnew
指定为一个n1的向量。n的行数在吗Xnew
。中的每个条目Ynew
观察到的反应是基于预测数据在相应的行吗Xnew
。
如果Xnew
是这个表包含新的响应值,您不需要指定吗Ynew
。
数据类型:单
|双
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
。
lossfun
- - - - - -损失函数
mse的
(默认)|函数处理
损失函数,指定为mse的
(均方误差)或一个函数处理。
如果你通过一个函数处理有趣的
,损失
调用它,如下所示:乐趣(Y, Ypred, W)
,在那里Y
,Ypred
和W
是数字向量的长度n,n的行数在吗Xnew
。Y
是观察到的反应,Ypred
是预测响应,W
是观察权重。
例子:Fct, lossfun”
所谓的损失函数Fct
。
数据类型:字符
|字符串
|function_handle
权重
- - - - - -观察权重
1的向量(默认)|n1的向量
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。
扩展功能
高大的数组
计算和数组的行比装入内存。
这个函数完全支持高数组。金宝app有关更多信息,请参见高大的数组。
版本历史
介绍了R2015bR2022a:损失
可以返回NaN和缺失值预测数据
的损失
函数不再省略了一个观察南预测计算加权平均回归时的损失。因此,损失
现在可以返回NaN当预测数据Xnew
包含任何缺失的值。在大多数情况下,如果测试集观测不含缺失的预测,损失
函数不返回NaN。
这一变化提高了回归模型的自动选择,当你使用fitrauto
。这种变化之前,软件可能会选择一个模型(将最好的预测新数据)的反应与一些non-NaN预测。
如果损失
在您的代码返回NaN,你可以更新你的代码来避免这一结果。通过删除或替换缺失值rmmissing
或fillmissing
,分别。
下表显示的回归模型损失
目标函数可以返回NaN。更多细节,请参见兼容性的考虑损失
函数。
模型类型 | 全部或紧凑的模型对象 | 损失 目标函数 |
---|---|---|
高斯过程回归(GPR)模型 | RegressionGP ,CompactRegressionGP |
损失 |
高斯核函数回归模型 | RegressionKernel |
损失 |
线性回归模型 | RegressionLinear |
损失 |
神经网络回归模型 | RegressionNeuralNetwork ,CompactRegressionNeuralNetwork |
损失 |
金宝app支持向量机(SVM)回归模型 | RegressionSVM ,CompactRegressionSVM |
损失 |
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。