fungsi loss: Fungsi Klasifikasi dan Kehilangan Regresi

Fungsi kerugian untuk klasifikasi dan regresi.

Penggunaan

  expLoss(beta = 1, ...)

  hingeLoss(margin = 1, ...)

  logLoss(...)

  smoothHingeLoss(smoothingConst = 1, ...)

  poissonLoss(...)

  squaredLoss(...)

Argumen

beta

Menentukan nilai numerik beta (dilation). Nilai default adalah 1.

margin

Menentukan nilai margin numerik. Nilai default adalah 1.

smoothingConst

Menentukan nilai numerik konstanta penghalus. Nilai default adalah 1.

...

argumen tersembunyi.

Detail

Fungsi kerugian mengukur perbedaan antara prediksi algoritma pembelajaran mesin dan output yang diawasi dan mewakili biaya yang salah.

Fungsi kehilangan klasifikasi yang didukung adalah:

logLoss

expLoss

hingeLoss

smoothHingeLoss

Fungsi kehilangan regresi yang didukung adalah:

poissonLoss

squaredLoss.

Nilai

String karakter yang menentukan fungsi kerugian.

Penulis

Microsoft Corporation Microsoft Technical Support

Lihat juga

rxFastLinear, rxNeuralNet

Contoh

 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