损失
高斯过程回归模型的回归误差
语法
L = loss(gprMdl,Xnew,Ynew)
L = loss(gprMdl,Xnew,Ynew,名称,值)
描述
返回高斯过程回归(GPR)模型的均方误差l
=损失(gprMdl
,Xnew
,Ynew
)探地雷达
,使用中的预测器Xnew
观察到的反应Ynew
.
返回探地雷达模型的均方误差,l
=损失(gprMdl
,Xnew
,Ynew
,名称,值
)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
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RegressionGP
(完整的)或CompactRegressionGP
(契约)对象。
Ynew
- - - - - -新的响应值
n1的向量
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
.
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
权重
- - - - - -观察权重
1s的向量(默认)|n1的向量
例子
计算测试数据的回归损失
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”);
手工计算回归损耗。
L = (ytest - ypredtest)'*(ytest - ypredtest)/length(ytest)
L = 0.6928
指定自定义丢失函数
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
高大的数组
使用行数超过内存容量的数组进行计算。
这个函数完全支持高数组。万博1manbetx有关更多信息,请参见高大的数组.
版本历史
在R2015b中引入R2022a:损失
可以返回NaN的预测器数据与缺失的值
的损失
函数在计算加权平均回归损失时不再忽略具有NaN预测的观测值。因此,损失
现在可以返回NaN时的预测数据吗Xnew
包含任何缺失的值。在大多数情况下,如果测试集观察值不包含缺失的预测器,则损失
函数不返回NaN。
此更改改进了在使用回归模型时的自动选择fitrauto
.在此更改之前,软件可能会选择一个具有少量非nan预测器的模型(期望能最好地预测新数据的响应)。
如果损失
在你的代码中返回NaN,你可以更新你的代码来避免这个结果。使用删除或替换所缺少的值rmmissing
或fillmissing
,分别。
的回归模型如下表所示损失
对象函数可能返回NaN。有关更多详细信息,请参阅每种产品的兼容性注意事项损失
函数。
模型类型 | 完整或紧凑模型对象 | 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 |
万博1manbetx支持向量机(SVM)回归模型 | RegressionSVM ,CompactRegressionSVM |
损失 |
Matlab명령
다음matlab명령에해당하는링크를클릭했습니다。
명령을실행하려면matlab명령창에입력하십시오。웹브라우저는matlab명령을지원하지않습니다。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。