funciones de pérdida: clasificación y regresión

Artigo
05/23/2023

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

Compartir por