Загуба на регресия за модели на линейна регресия

регресия

Синтаксис

Описание

L = загуба (Mdl, X, Y) връща средната квадратична грешка (MSE) за модела на линейна регресия Mdl, използвайки предикторни данни в X и съответстващи отговори в Y. L съдържа MSE за всяка степен на регулиране в Mdl .

L = загуба (Mdl, Tbl, ResponseVarName) връща MSE за данните на предиктора в Tbl и истинските отговори в Tbl.ResponseVarName .

L = загуба (Mdl, Tbl, Y) връща MSE за данните предиктор в таблица Tbl и истинските отговори в Y .

L = загуба (___, Име, Стойност) указва опции, използващи един или повече аргументи двойка име-стойност в допълнение към която и да е комбинация от входни аргументи в предишни синтаксиси. Например посочете, че колоните в данните за предсказване съответстват на наблюдения или задайте функцията за загуба на регресия.

Аргументи за въвеждане

Mdl - Модел на линейна регресия
RegressionLinear модел обект

Модел на линейна регресия, посочен като обект на RegressionLinear модел. Можете да създадете обект RegressionLinear модел, използвайки fitrlinear .

X - Данни за предиктор
пълна матрица | оскъдна матрица

Данни предиктор, посочени като n-by-p пълна или оскъдна матрица. Тази ориентация на X показва, че редовете съответстват на отделни наблюдения, а колоните съответстват на отделни променливи предиктор.

Забележка

Ако ориентирате вашата предсказваща матрица така, че наблюденията да съответстват на колони и да посочите „ObservationsIn“, „колони“, тогава може да изпитате значително намаляване на времето за изчисление.

Дължината на Y и броят на наблюденията в X трябва да бъдат равни.

Типове данни: единичен | двойно

Y - Данни за отговор
числов вектор

Данни за отговор, посочени като n-измерно числово вектор. Дължината на Y трябва да бъде равна на броя на наблюденията в X или Tbl .

Типове данни: единичен | двойно

Tbl - Примерни данни
маса

Примерни данни, използвани за обучение на модела, посочени като таблица. Всеки ред на Tbl съответства на едно наблюдение, а всяка колона съответства на една променлива на предиктор. По желание Tbl може да съдържа допълнителни колони за променливата на реакцията и тежестите за наблюдение. Tbl трябва да съдържа всички предиктори, използвани за обучение на Mdl. Не са разрешени многоколонни променливи и клетъчни масиви, различни от клетъчни масиви със символни вектори.

Ако Tbl съдържа променливата за отговор, използвана за обучение на Mdl, тогава не е необходимо да указвате ResponseVarName или Y .

Ако тренирате Mdl, като използвате примерни данни, съдържащи се в таблица, тогава входните данни за загуба също трябва да са в таблица.

ResponseVarName - Име на променлива за отговор
име на променлива в Tbl

Име на променлива за отговор, посочено като име на променлива в Tbl. Променливата за отговор трябва да е числов вектор.

Ако посочите ResponseVarName, тогава трябва да го посочите като вектор на символи или скалар на низове. Например, ако променливата на отговора се съхранява като Tbl.Y, тогава посочете ResponseVarName като 'Y'. В противен случай софтуерът третира всички колони на Tbl, включително Tbl.Y, като предсказатели.

Типове данни: char | низ

Аргументи за двойка име-стойност

Посочете незадължителни двойки, разделени със запетая, на аргументи Name, Value. Name е името на аргумента, а Value е съответната стойност. Името трябва да се появи в кавичките. Можете да посочите няколко аргумента за двойка имена и стойност в произволен ред като Name1, Value1. NameN, ValueN .

„LossFun“ - функция за загуба
'mse' (по подразбиране) | „epsiloninsensitive“ | дръжка на функцията

Функция за загуба, посочена като двойка, разделена със запетая, състояща се от „LossFun“ и вградено име на функция за загуба или манипулатор на функция.

Следващата таблица изброява наличните функции за загуби. Посочете един, като използвате съответната му стойност. Също така в таблицата f (x) = x β + b .

β е вектор на p коефициенти.

x е наблюдение от p променливи предиктор.

b е скаларното отклонение.

ValueDescription
„епсилон нечувствителен“ Епсилон-нечувствителна загуба: ℓ [y, f (x)] = max [0, | y - f (x) | - ε]
'mse' MSE: ℓ [y, f (x)] = [y - f (x)] 2

„epsiloninsensitive“ е подходящ само за учащи SVM.

Посочете вашата собствена функция, като използвате нотация на функцията.

Нека n е броят на наблюденията в X. Вашата функция трябва да има този подпис

Изходният аргумент lossvalue е скаларен.

Вие избирате името на функцията (lossfun).

Y е n-измерен вектор на наблюдаваните отговори. загубата предава входния аргумент Y в за Y .

Това е n-измерен вектор на предсказуемите отговори, който е подобен на изхода на предсказване .

W е n-by-1 числов вектор на теглата за наблюдение.

Посочете функцията си с помощта на 'LossFun', @ lossfun .

Типове данни: char | низ | функция_ръчка