Compartir a través de


funciones de pérdida: clasificación y regresión

Funciones de pérdida para clasificación y regresión.

Uso

  expLoss(beta = 1, ...)

  hingeLoss(margin = 1, ...)

  logLoss(...)

  smoothHingeLoss(smoothingConst = 1, ...)

  poissonLoss(...)

  squaredLoss(...)

Argumentos

beta

Especifica el valor numérico de beta (dilatación). El valor predeterminado es 1.

margin

Especifica el valor de margen numérico. El valor predeterminado es 1.

smoothingConst

Especifica el valor numérico de la constante de suavizado. El valor predeterminado es 1.

...

argumento oculto.

Detalles

Una función de pérdida mide la discrepancia entre la predicción de un algoritmo de aprendizaje automático y la salida supervisada y representa el costo de equivocarse.

Las funciones de pérdida de clasificación admitidas son:

logLoss

expLoss

hingeLoss

smoothHingeLoss

Las funciones de pérdida de regresión admitidas son:

poissonLoss

squaredLoss.

Value

Cadena de caracteres que define la función de pérdida.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Consulte también

rxFastLinear, rxNeuralNet

Ejemplos


 train <- function(lossFunction) {

     result <- rxFastLinear(isCase ~ age + parity + education + spontaneous + induced,
                   transforms = list(isCase = case == 1), lossFunction = lossFunction,
                   data = infert,
                   type = "binary")
     coef(result)[["age"]]
 }

 age <- list()
 age$LogLoss <- train(logLoss())
 age$LogLossHinge <- train(hingeLoss())
 age$LogLossSmoothHinge <- train(smoothHingeLoss())
 age