fungsi loss: Fungsi Klasifikasi dan Kehilangan Regresi

2025-01-02

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

Bagikan melalui