손실 함수: 분류 및 회귀 손실 함수

분류 및 회귀에 대한 손실 함수입니다.

사용

  expLoss(beta = 1, ...)

  hingeLoss(margin = 1, ...)

  logLoss(...)

  smoothHingeLoss(smoothingConst = 1, ...)

  poissonLoss(...)

  squaredLoss(...)

인수

beta

베타(지체)의 숫자 값을 지정합니다. 기본값은 1입니다.

margin

숫자 여백 값을 지정합니다. 기본값은 1입니다.

smoothingConst

평활화 상수의 숫자 값을 지정합니다. 기본값은 1입니다.

...

숨겨진 인수입니다.

세부 정보

손실 함수는 기계 학습 알고리즘의 예측과 감독된 출력 간에 불일치를 측정하고 잘못된 비용을 나타냅니다.

지원되는 분류 손실 함수는 다음과 같습니다.

logLoss

expLoss

hingeLoss

smoothHingeLoss

지원되는 회귀 손실 함수는 다음과 같습니다.

poissonLoss

squaredLoss.

값

손실 함수를 정의하는 문자열입니다.

작성자

Microsoft Corporation Microsoft Technical Support

추가 정보

rxFastLinear, rxNeuralNet

예

 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