Main Content

cvloss

クラス: RegressionTree

交差検証による回帰誤差

構文

E = cvloss(tree)
[E,SE] = cvloss(tree)
[E,SE,Nleaf] = cvloss(tree)
[E,SE,Nleaf,BestLevel] = cvloss(tree)
[E,...] = cvloss(tree,Name,Value)

説明

E = cvloss(tree) は、回帰木 tree の交差検証による回帰誤差 (損失) を返します。

[E,SE] = cvloss(tree) は、E の標準誤差を返します。

[E,SE,Nleaf] = cvloss(tree) は、ツリー tree の葉 (終了ノード) の数を返します。

[E,SE,Nleaf,BestLevel] = cvloss(tree) は、tree の最適な枝刈りレベルを返します。

[E,...] = cvloss(tree,Name,Value) は、追加のオプションを使用して交差検証を行います。このオプションは Name,Value のペアの引数で指定されたものです。Name1,Value1,…,NameN,ValueN のように、複数の名前と値のペアの引数を任意の順番で指定できます。

入力引数

すべて展開する

学習済み回帰木。fitrtree を使用して構築した RegressionTree オブジェクトとして指定します。

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。

枝刈りレベル。'Subtrees' と昇順の非負の整数のベクトルまたは 'all' から構成されるコンマ区切りのペアとして指定します。

ベクトルを指定する場合、すべての要素が 0 から max(tree.PruneList) の範囲になければなりません。0 は枝刈りしない完全な木を、max(tree.PruneList) は完全に枝刈りした木 (つまり、ルート ノードのみ) を表します。

'all' を指定した場合、cvloss はすべての部分木 (枝刈り順序全体) に作用します。これは、0:max(tree.PruneList) を指定することと同じです。

cvloss では、Subtrees で指定された各レベルまで tree の枝刈りを行ってから、対応する出力引数を推定します。Subtrees のサイズにより、一部の出力引数のサイズが決まります。

Subtrees を呼び出すために、treePruneList プロパティまたは PruneAlpha プロパティを空にすることはできません。言い換えると、'Prune','on' を設定して tree を成長させるか、prune を使用して tree の枝刈りを行います。

例: 'Subtrees','all'

データ型: single | double | char | string

木のサイズ。'TreeSize' と次のいずれかから構成されるコンマ区切りのペアとして指定します。

  • 'se'cvloss は、コストが最小コストの 1 標準誤差以内になる最小のツリーを使用します。

  • 'min'cvloss は最小コストのツリーを使用します。

交差検証木で使用する分割の数。'KFold' と 1 より大きい正の整数値から構成されるコンマ区切りのペアとして指定します。

例: 'KFold',8

出力引数

すべて展開する

交差検証の平均二乗誤差 (損失)。名前と値のペア Subtrees の設定に応じてベクトルまたはスカラーが返されます。

E の標準誤差。名前と値のペア Subtrees の設定に応じてベクトルまたはスカラーが返されます。

tree の葉ノードの数。名前と値のペア Subtrees の設定に応じてベクトルまたはスカラーが返されます。葉ノードは終了ノードであり、分割ではなく応答を与えます。

名前と値のペア TreeSize で定義した最適な枝刈りレベル。スカラー値として返されます。値は、TreeSize の設定に応じて次のようになります。

  • TreeSize'se' の場合、誤差が最小の SE の範囲内にある E の値を達成できる最大の枝刈りレベルが BestLevel になります。

  • TreeSize'min' の場合、Subtrees の最小値が BestLevel になります。

すべて展開する

既定の回帰木について交差検証誤差を計算します。

carsmall データセットを読み込みます。DisplacementHorsepower および Weight が応答 MPG の予測子であると考えます。

load carsmall
X = [Displacement Horsepower Weight];

データセット全体を使用して回帰木を成長させます。

Mdl = fitrtree(X,MPG);

交差検証誤差を計算します。

rng(1); % For reproducibility
E = cvloss(Mdl)
E = 27.6976

E は、(分割内の検定観測値の個数で重みを付けた) 10 分割の加重平均 MSE です。

k 分割の交差検証を適用して、すべての部分木について最適な回帰木の枝刈りレベルを探索します。

carsmall データセットを読み込みます。DisplacementHorsepower および Weight が応答 MPG の予測子であると考えます。

load carsmall
X = [Displacement Horsepower Weight];

データセット全体を使用して回帰木を成長させます。生成された木を表示します。

Mdl = fitrtree(X,MPG);
view(Mdl,'Mode','graph')

Figure Regression tree viewer contains an axes object and other objects of type uimenu, uicontrol. The axes object contains 60 objects of type line, text.

最下位から 2 つおよび最上位の枝刈りレベルを除き、部分木ごとに 5 分割の交差検証誤差を計算します。すべての部分木で最適な枝刈りレベルを返すように指定します。

rng(1); % For reproducibility
m = max(Mdl.PruneList) - 1
m = 15
[~,~,~,bestLevel] = cvloss(Mdl,'SubTrees',2:m,'KFold',5)
bestLevel = 14

15 個の枝刈りレベルの中で、最適な枝刈りレベルは 14 です。

最適なレベルまで木を枝刈りします。生成された木を表示します。

MdlPrune = prune(Mdl,'Level',bestLevel);
view(MdlPrune,'Mode','graph')

Figure Regression tree viewer contains an axes object and other objects of type uimenu, uicontrol. The axes object contains 12 objects of type line, text.

代替方法

crossval を使用して交差検証ツリーのモデルを構築し、cvloss の代わりに kfoldLoss を呼び出すことができます。交差検証を行った木を複数回調べる場合、この代替方法では時間が節約できる可能性があります。

ただし、cvloss と異なり、kfoldLossSENleaf、または BestLevel を返しません。

拡張機能