失利
高斯过程回归模型回归错误
句法
L =损失（gprMdl，Xnew，Ynew）
L =损失（gprMdl，Xnew，Ynew，名称，值）
描述
大号=损失（gprMdl，Xnew，Ynew）GPR使用在预测Xnew和观察到的反应Ynew。
大号=损失（gprMdl，Xnew，Ynew，名称，值）GPR，与由一个或多个指定的附加选项名称，值对参数。例如，你可以指定一个自定义的损失函数或观察权重。
输入参数
输出参数
例子
计算回归损耗测试数据
加载样本数据。
加载（'gprdata.mat'）
该数据具有8个预测变量并包含在训练数据500个观察和测试数据100个观测。这是模拟数据。
适合使用具有单独的长度尺度对每个预测的平方的指数函数内核一个GPR模型。在训练数据标准化预测值。使用的拟合和预测的精确方法。
gprMdl = fitrgp（Xtrain，ytrain，'使用fitmethod'，'精确'，...'PredictMethod'，'精确'，'KernelFunction'，'ardsquaredexponential'，...“标准化”，1）;
计算回归误差的测试数据。
L =损失（gprMdl，XTEST，ytest）
L = 0.6928
预测测试数据的响应。
ypredtest =预测（gprMdl，XTEST）;
绘制与预测沿测试响应。
数字;积（ytest，'R'）;保持上;积（ypredtest，'B'）;传说（'数据'，“预测”，'位置'，'最好'）;
手工计算回归的损失。
L =（ytest - ypredtest）'*（ytest - ypredtest）/长度（ytest）
L = 0.6928
指定自定义损失函数
加载样本数据，并存储在一表。
加载fisheririsTBL =表（MEAS（：，1），MEAS（：，2），MEAS（：，3），MEAS（：，4），物种，...'VariableNames'{'MEAS1'，'MEAS2'，'meas3'，'meas4'，'种类'}）;
使用所述第一测量作为响应并且其它变量作为预测适合GPR模型。
MDL = fitrgp（TBL，'MEAS1'）;
预测用训练模型的响应。
ypred =预测（MDL，TBL）;
计算平均绝对误差。
N =高度（TBL）;Y = tbl.meas1;有趣= @（Y，ypred，w）的总和（绝对值（Y-ypred））/ N;L =损失（MDL，TBL，'lossfun'，乐趣）
L = 0.2345
备择方案
您可以使用resubLoss计算回归误差在训练数据的观测训练的GPR模型。
扩展功能
介绍了在R2015b
您还可以选择从下面的列表中的网站：
