Funções de perda: funções de perda de classificação e regressão

Artigo
05/23/2023

As funções de perda para classificação e regressão.

Uso

  expLoss(beta = 1, ...)

  hingeLoss(margin = 1, ...)

  logLoss(...)

  smoothHingeLoss(smoothingConst = 1, ...)

  poissonLoss(...)

  squaredLoss(...)

Argumentos

`beta`

Especifica o valor numérico de beta (dilatação). O valor padrão é 1.

`margin`

Especifica o valor de margem numérica. O valor padrão é 1.

`smoothingConst`

Especifica o valor numérico da constante de suavização. O valor padrão é 1.

`...`

Argumento oculto.

Detalhes

Uma função de perda mede a discrepância entre a previsão de um algoritmo de aprendizado de máquina e a saída supervisionada, e representa o custo de estar errado.

As funções de perda de classificação com suporte são:

logLoss

expLoss

hingeLoss

smoothHingeLoss

As funções de perda de regressão com suporte são:

poissonLoss

squaredLoss.

Valor

Uma cadeia de caracteres que define a função de perda.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Confira também

rxFastLinear, rxNeuralNet

Exemplos


 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

Partilhar via