Regresszióveszteség lineáris regressziós modelleknél - MATLAB

Regresszióveszteség lineáris regressziós modelleknél

regresszióveszteség

Szintaxis

Leírás

L = veszteség (Mdl, X, Y) az Mdl lineáris regressziós modell átlagos négyzetes hibáját (MSE) adja eredményül, az X előrejelző adatait és az Y megfelelő válaszait felhasználva. Az L egy MSE-t tartalmaz minden szabályozási erősséghez Mdl-ben .

L = veszteség (Mdl, Tbl, ResponseVarName) az MSE-t adja vissza a Tbl előrejelző adatokhoz és a Tbl valós válaszokhoz.ResponseVarName .

L = veszteség (Mdl, Tbl, Y) az MSE-t adja vissza a Tbl táblázatban szereplő prediktor adatokhoz és az Y .

L = veszteség (___, Név, Érték) olyan opciókat határoz meg, amelyek egy vagy több név-érték pár argumentumot használnak a korábbi szintaxisok bármelyik bemeneti argumentum kombinációján kívül. Például adja meg, hogy az előrejelző adatok oszlopai megfelelnek-e a megfigyeléseknek, vagy adja meg a regresszióveszteség függvényét.

Beviteli érvek

Mdl - Lineáris regressziós modell
Regressziós lineáris modell objektum

Lineáris regressziós modell, RegressionLinear modell objektumként megadva. RegressLinear modellobjektumot hozhat létre fitrlinear segítségével .

X - Jósló adatok
teljes mátrix | ritka mátrix

Prediktor adatok, n-by p teljes vagy ritka mátrixként megadva. Ez az X orientáció azt jelzi, hogy a sorok megfelelnek az egyes megfigyeléseknek, az oszlopok pedig az egyes prediktor változóknak.

jegyzet

Ha a prediktor mátrixot úgy orientálja, hogy a megfigyelések megfeleljenek az oszlopoknak, és megadja az „ObservationsIn”, „oszlopok” elemeket, akkor jelentősen csökkenhet a számítási idő.

Y hosszának és az X-ben megfigyelt megfigyelések számának meg kell egyeznie.

Adattípusok: egyetlen | kettős

Y - Válaszadatok
numerikus vektor

Válaszadatok, n-dimenziós numerikus vektorként megadva. Az Y hosszának meg kell egyeznie az X-ben vagy a Tbl-ben észlelt megfigyelések számával .

Adattípusok: egyetlen | kettős

Tbl - Mintaadatok
asztal

A modell kiképzéséhez használt mintadatok, táblázatként megadva. A Tbl minden sora egy megfigyelésnek felel meg, és minden oszlop egy prediktor változónak felel meg. Opcionálisan a Tbl tartalmazhat további oszlopokat a válaszváltozóhoz és a megfigyelési súlyokhoz. A Tbl-nek tartalmaznia kell az Mdl képzéséhez használt összes prediktort. A többoszlopos változók és a karaktervektorok sejttömbjeitől eltérő sejttömbök nem megengedettek.

Ha a Tbl tartalmazza az Mdl képzéséhez használt válaszváltozót, akkor nem kell megadnia a ResponseVarName vagy Y .

Ha az Mdl-t egy táblázatban található mintaadatok felhasználásával edzi, akkor a veszteségre vonatkozó bemeneti adatoknak is táblázatban kell lenniük.

ResponseVarName - Válaszváltozó neve
változó neve a Tbl-ben

Válaszváltozó neve, a Tbl változó neveként megadva. A válaszváltozónak numerikus vektornak kell lennie.

Ha megadja a ResponseVarName nevet, akkor karaktervektorként vagy karakterlánc skalárként kell megadnia. Például, ha a válaszváltozó Tbl.Y néven van tárolva, akkor adja meg a ResponseVarName nevet „Y” -ként. Egyébként a szoftver a Tbl összes oszlopát, beleértve a Tbl.Y-t is, prediktorként kezeli.

Adattípusok: char | húr

Név-érték pár érvek

Adjon meg opcionálisan vesszővel elválasztott Név, Érték argumentumokat. A név az argumentum neve, az Érték pedig a megfelelő érték. A névnek idézőjelek között kell szerepelnie. Több név- és értékpár argumentumot megadhat bármilyen sorrendben: Név1, Érték1. Név, ÉrtékN .

'LossFun' - Veszteség funkció
'mse' (alapértelmezett) | „epszilon-érzéketlen” funkció fogantyú

Veszteségfüggvény, vesszővel elválasztott párként megadva, amely „LossFun” -ból és egy beépített veszteségfüggvény-névből vagy -funkcióból áll.

Az alábbi táblázat az elérhető veszteségfüggvényeket sorolja fel. Adjon meg egyet a megfelelő értékkel. Ezenkívül a táblázatban f (x) = x β + b .

β a p együtthatók vektora.

x egy p prediktor változók megfigyelése.

b a skaláris torzítás.

ValueDescription
„epsiloninsensitive” Epsilon-érzéketlen veszteség: ℓ [y, f (x)] = max [0, | y - f (x) | - ε]
„mse” MSE: ℓ [y, f (x)] = [y - f (x)] 2

Az „epsiloninsensitive” csak az SVM tanulóinak megfelelő.

Adja meg saját funkcióját a függvény fogantyújának jelölésével.

Legyen n a megfigyelések száma X-ben. A funkciójának rendelkeznie kell ezzel az aláírással

A kimeneti argumentum veszteségértéke skalár.

Kiválasztja a függvény nevét (lossfun).

Y a megfigyelt válaszok n-dimenziós vektora. veszteség átadja az Y bemeneti argumentumot Y-nek .

A Yhat a megjósolt válaszok n-dimenziós vektora, amely hasonló a megjóslás kimenetéhez .

W a megfigyelési súlyok n-by-1 numerikus vektora.

Adja meg a funkcióját a 'LossFun', @ lossfun gombbal .

Adattípusok: char | húr | function_handle