R yardstick huber_loss 胡貝爾損失

計算 Huber 損失，這是穩健回歸中使用的損失函數。該損失函數對異常值的敏感度低於 rmse() 。該函數對於小的殘差值是二次的，對於大的殘差值是線性的。

用法

huber_loss(data, ...)

# S3 method for data.frame
huber_loss(
  data,
  truth,
  estimate,
  delta = 1,
  na_rm = TRUE,
  case_weights = NULL,
  ...
)

huber_loss_vec(
  truth,
  estimate,
  delta = 1,
  na_rm = TRUE,
  case_weights = NULL,
  ...
)

參數

data: data.frame 包含由 truth 和 estimate 參數指定的列。
...: 目前未使用。
truth: 真實結果的列標識符(即 numeric )。這應該是一個不帶引號的列名，盡管此參數是通過表達式傳遞的並且支持quasiquotation(您可以不帶引號的列名)。對於 _vec() 函數，一個 numeric 向量。
estimate: 預測結果的列標識符(也是 numeric )。與 truth 一樣，可以通過不同的方式指定，但主要方法是使用不帶引號的變量名稱。對於 _vec() 函數，一個 numeric 向量。
delta: 單個 numeric 值。定義損失函數從二次函數過渡到線性函數的邊界。默認為 1。
na_rm: logical 值，指示在計算繼續之前是否應剝離 NA 值。
case_weights: 案例權重的可選列標識符。這應該是一個不帶引號的列名稱，其計算結果為 data 中的數字列。對於 _vec() 函數，一個數值向量。

值

tibble 包含列 .metric 、 .estimator 和 .estimate 以及 1 行值。

對於分組 DataFrame ，返回的行數將與組數相同。

對於 huber_loss_vec() ，單個 numeric 值(或 NA )。

參考

胡貝爾，P.(1964)。位置參數的穩健估計。統計年鑒，53 (1), 73-101。

也可以看看

其他數字指標：ccc() , huber_loss_pseudo() , iic() , mae() , mape() , mase() , mpe() , msd() , poisson_log_loss() , rmse() , rpd() , rpiq() , rsq_trad() , rsq() , smape()

其他準確度指標：ccc() , huber_loss_pseudo() , iic() , mae() , mape() , mase() , mpe() , msd() , poisson_log_loss() , rmse() , smape()

作者

詹姆斯·布萊爾

例子

# Supply truth and predictions as bare column names
huber_loss(solubility_test, solubility, prediction)
#> # A tibble: 1 × 3
#>   .metric    .estimator .estimate
#>   <chr>      <chr>          <dbl>
#> 1 huber_loss standard       0.234

library(dplyr)

set.seed(1234)
size <- 100
times <- 10

# create 10 resamples
solubility_resampled <- bind_rows(
  replicate(
    n = times,
    expr = sample_n(solubility_test, size, replace = TRUE),
    simplify = FALSE
  ),
  .id = "resample"
)

# Compute the metric by group
metric_results <- solubility_resampled %>%
  group_by(resample) %>%
  huber_loss(solubility, prediction)

metric_results
#> # A tibble: 10 × 4
#>    resample .metric    .estimator .estimate
#>    <chr>    <chr>      <chr>          <dbl>
#>  1 1        huber_loss standard       0.215
#>  2 10       huber_loss standard       0.212
#>  3 2        huber_loss standard       0.229
#>  4 3        huber_loss standard       0.197
#>  5 4        huber_loss standard       0.249
#>  6 5        huber_loss standard       0.208
#>  7 6        huber_loss standard       0.293
#>  8 7        huber_loss standard       0.268
#>  9 8        huber_loss standard       0.190
#> 10 9        huber_loss standard       0.218

# Resampled mean estimate
metric_results %>%
  summarise(avg_estimate = mean(.estimate))
#> # A tibble: 1 × 1
#>   avg_estimate
#>          <dbl>
#> 1        0.228

源代碼：R/num-huber_loss.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Huber loss。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。