分享方式:


損失函數:分類與迴歸損失函數

分類與迴歸的損失函數。

使用方式

  expLoss(beta = 1, ...)

  hingeLoss(margin = 1, ...)

  logLoss(...)

  smoothHingeLoss(smoothingConst = 1, ...)

  poissonLoss(...)

  squaredLoss(...)

引數

beta

指定 beta (dilation) 的數值。 預設值為 1。

margin

指定 margin 數值。 預設值為 1。

smoothingConst

指定平滑常數的數值。 預設值為 1。

...

隱藏的引數。

詳細資料

遺失函數會測量機器學習演算法預測與受監督輸出之間的差異,並代表錯誤的成本。

支援的分類損失函數如下:

logLoss

expLoss

hingeLoss

smoothHingeLoss

支援的迴歸損失函數如下:

poissonLoss

squaredLoss.

定義損失函數的字元字串。

作者

Microsoft Corporation Microsoft Technical Support

另請參閱

rxFastLinearrxNeuralNet

範例


 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