Main Content

loss

回帰誤差

このページをすべて展開する

構文

L = loss(ens,tbl,ResponseVarName)
L = loss(ens,tbl,Y)
L = loss(ens,X,Y)
L = loss(___,Name,Value)

説明

L = loss(ens,tbl,ResponseVarName) は、真の応答 tbl.ResponseVarName に対する、ens の予測間の平均二乗誤差を tbl 内のデータに返します。

L = loss(ens,tbl,Y) は、真の応答 Y に対する、ens の予測間の平均二乗誤差を tbl 内のデータに返します。

L = loss(ens,X,Y) は、真の応答 Y に対する、ens の予測間の平均二乗誤差を X 内のデータに返します。

L = loss(___,Name,Value) は、前の構文のいずれかを使用し、1 つ以上の Name,Value ペア引数で指定されたオプションを追加して、予測の誤差を計算します。

入力引数

ens

関数 fitrensemble または compact メソッドで作成されたアンサンブル回帰。

tbl

標本データ。テーブルとして指定します。tbl の各行は 1 つの観測値に、各列は 1 つの予測子変数に対応します。tbl には、モデルを学習させるために使用したすべての予測子が含まれていなければなりません。文字ベクトルの cell 配列ではない cell 配列と複数列の変数は使用できません。

table に格納されている標本データを使用して ens の学習を行った場合、このメソッドの入力データも table に格納されていなければなりません。

ResponseVarName

応答変数の名前。tbl 内の変数の名前で指定します。応答変数は、数値ベクトルでなければなりません。

ResponseVarName には文字ベクトルまたは string スカラーを指定しなければなりません。たとえば、応答変数 Y が tbl.Y として格納されている場合、'Y' として指定します。それ以外の場合、モデルを学習させるときに、tbl の列は Y を含めてすべて予測子として扱われます。

X

予測値の行列。X の各列が 1 つの変数を表し、各行が 1 つの観測値を表します。

行列に含まれている標本データを使用して ens を学習させた場合、このメソッドの入力データも行列でなければなりません。

Y

tbl または X と同じ行数の数値列ベクトル。Y の各エントリは、tbl または X の対応する行のデータに対する応答です。

Y に関して NaN 値があると、欠損値として認識されます。Y に関して欠損値のある観測は、損失の計算には使用されません。

名前と値の引数

オプションの引数のペアを Name1=Value1,...,NameN=ValueN として指定します。ここで Name は引数名、Value は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。

R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name を引用符で囲みます。

learners

アンサンブルに含まれている 1 から ens.NumTrained までの弱学習器のインデックス。loss は、これらの学習器のみを損失の計算に使用します。

既定値: 1:NumTrained

lossfun

損失関数の関数ハンドル、または平均二乗誤差を意味する 'mse'。関数ハンドル fun を渡す場合、loss でこの関数を次のように呼び出します。

fun(Y,Yfit,W)

ここで、Y、Yfit、W は、すべて同じ長さの数値ベクトルです。

  • Y は、観測された応答です。

  • Yfit は予測された応答です。

  • W は観測の重みです。

戻り値 fun(Y,Yfit,W) はスカラーでなければなりません。

既定値: 'mse'

mode

出力 L の意味:

  • 'ensemble' — L は、アンサンブル全体に対する損失を表すスカラー値です。

  • 'individual' — L は、学習された学習器ごとに 1 つの要素をもつベクトルです。

  • 'cumulative' — L は、学習器の入力リストから学習器 1:J を使用して要素 J が取得されたベクトルです。

既定値: 'ensemble'

UseObsForLearner

N 行 NumTrained 列のサイズの logical 行列。ここで、N は ens.X の観測数、NumTrained は弱学習器の数です。UseObsForLearner(I,J) が true の場合、predict は観測 I を予測するために、学習器 J を使用します。

既定値: true(N,NumTrained)

UseParallel

推定を並列で実行するための指定。false (逐次計算) または true (並列計算) として指定します。並列計算には Parallel Computing Toolbox™ が必要です。特に大規模なデータセットでは、並列推定の方が逐次推定よりも高速になる可能性があります。並列計算は木学習器でのみサポートされます。

既定値: false

weights

Y と同じ数の要素をもつ、観測重みの数値ベクトル。weights を付加した loss の式については、重み付けされた平均二乗誤差を参照してください。

既定値: ones(size(Y))

出力引数

L

予測の重み付けされた平均二乗誤差。loss の式については、重み付けされた平均二乗誤差を参照してください。

例

すべて展開する

ライブ スクリプトを開く

carsmall データセットを使用して、アンサンブル予測器の損失を求めます。

carsmall データセットを読み込み、エンジン排気量、馬力および車両重量を予測子として選択します。

load carsmall
X = [Displacement Horsepower Weight];

回帰木のアンサンブルに学習をさせ、MPG の予測における回帰誤差を求めます。

ens = fitrensemble(X,MPG);
L = loss(ens,X,MPG)
L = 0.3463

詳細

すべて展開する

拡張機能

参考

|