主要内容

损失

高斯过程回归模型的回归误差

在页面中全部展开

语法

L = loss(gprMdl,Xnew,Ynew)
L = loss(gprMdl,Xnew,Ynew，名称，值)

描述

l=损失(gprMdl，Xnew，Ynew）返回高斯过程回归(GPR)模型的均方误差探地雷达，使用中的预测器Xnew观察到的反应Ynew．

l=损失(gprMdl，Xnew，Ynew，名称,值）返回探地雷达模型的均方误差，探地雷达，并由一个或多个选项指定其他选项名称,值对参数。例如，您可以指定自定义损失函数或观测权重。

请注意

如果预测数据Xnew包含任何缺失的值损失函数可以返回NaN。有关更多细节，请参见loss可以为缺少值的预测器数据返回NaN．

输入参数

全部展开

高斯过程回归模型，指定为RegressionGP(完整的)或CompactRegressionGP(契约)对象。

新数据，指定为表格或者一个n——- - - - - -d矩阵,米是观察的次数，和d是训练数据中预测变量的数量。

如果你接受过培训gprMdl在一个表格,然后Xnew一定是表格它包含了用于训练的所有预测变量gprMdl．

如果Xnew是表，那么它还能包含什么呢Ynew．如果是的话，你就不需要指定了Ynew．

如果你接受过培训gprMdl那么，在矩阵上Xnew一定是一个数字矩阵d列，并且只能包含预测器变量的值。

数据类型:单|双|表格

新的观测响应值，对应于预测值Xnew，指定为n1的向量。n行数在吗Xnew．每一项Ynew所观察到的响应是否基于相应行的预测数据Xnew．

如果Xnew表中是否包含无需指定的新响应值Ynew．

数据类型:单|双

名称-值参数

指定逗号分隔的可选对名称,值参数。的名字参数名称和价值对应的值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

损失函数，指定为mse的(均方误差)或函数句柄。

如果传递一个函数句柄，比如有趣的，损失调用方法如下所示:乐趣(Y, Ypred, W),在那里Y，Ypred而且W数字向量是长度吗n,n行数在吗Xnew．Y是观察到的响应，Ypred是预测的反应，和W是观察权重。

例子:Fct, lossfun”调用损失函数Fct．

数据类型:字符|字符串|function_handle

观察权重，指定为n-乘1向量，其中n行数在吗Xnew．缺省情况下，每个观测值的权重为1。

例子:“重量”,W在向量中使用观测权值W．

数据类型:双|单

输出参数

全部展开

训练后高斯过程回归模型的回归误差，gprMdl，作为标量值返回。

例子

全部展开

打开实时脚本

加载样例数据。

负载(“gprdata.mat”）

该数据有8个预测变量，训练数据中有500个观测值，测试数据中有100个观测值。这是模拟数据。

使用平方指数核函数拟合GPR模型，对每个预测器使用单独的长度尺度。标准化训练数据中的预测值。使用精确的方法进行拟合和预测。

gprMdl = fitrgp(Xtrain,ytrain，“FitMethod”，“准确”，.．.“PredictMethod”，“准确”，“KernelFunction”，“ardsquaredexponential”，.．.“标准化”1);

计算测试数据的回归误差。

L = loss(gprMdl,Xtest,ytest)
L = 0.6928

预测测试数据的响应。

ypredtest = predict(gprMdl,Xtest);

绘制测试响应和预测图。

图;情节(欧美,“r”）;持有在；情节(ypredtest“b”）;传奇(“数据”，“预测”，“位置”，“最佳”）;

图中包含一个axes对象。坐标轴对象包含两个line类型的对象。这些对象代表数据、预测。

手工计算回归损耗。

L = (ytest - ypredtest)'*(ytest - ypredtest)/length(ytest)
L = 0.6928
打开实时脚本

加载样例数据并存储在表格．

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

拟合一个以第一次测量值为响应，其他变量为预测变量的探地雷达模型。

MDL = fitrgp(tbl，“meas1”）;

使用训练过的模型预测反应。

Ypred = predict(mdl,tbl);

计算平均绝对误差。

N =高度(tbl);Y = tbl.meas1;Fun = @(y,ypred,w) sum(abs(y-ypred))/n;L =损失(mdl,tbl，“lossfun”有趣的)
L = 0.2345

选择

你可以用resubLoss计算经过训练的探地雷达模型在训练数据观测点上的回归误差。

扩展功能

版本历史

在R2015b中引入

全部展开

另请参阅

|||||