Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

mse

Fonction de performance d’erreur quadratique moyenne normalisée

Description

exemple

Conseil

Pour utiliser l’erreur quadratique moyenne avec Deep Learning, utilisez regressionLayer ou utilisez la méthode dlarray mse.

perf = mse(net,t,y,ew) prend un réseau de neurones, net, une matrice ou un cell array de cibles, t, une matrice ou un cell array de sorties, y et des poids d’erreur, ew, et renvoie l’erreur quadratique moyenne.

Cette fonction a deux paramètres optionnels qui sont associés aux réseaux pour lesquels net.trainFcn est défini à cette fonction :

  • 'regularization' peut être défini à n’importe quelle valeur entre 0 et 1. Plus la valeur de régularisation est élevée, plus de poids et biais au carré sont inclus dans le calcul de performance par rapport aux erreurs. La valeur par défaut est 0, soit aucune régularisation.

  • 'normalization' peut être défini à 'none' (valeur par défaut), 'standard', qui normalise les erreurs entre -2 et 2, ce qui correspond à la normalisation des sorties et cibles entre -1 et 1, et 'percent', qui normalise les erreurs entre -1 et 1. Cette fonctionnalité est utile pour les réseaux avec des sorties multi-éléments. Elle garantit que les précisions relatives des éléments de sortie avec des plages de valeurs cibles différentes sont traitées avec une importance égale, au lieu de prioriser la précision relative de l’élément de sortie avec la plage de valeurs cibles la plus grande.

Vous pouvez créer un réseau standard qui utilise mse avec feedforwardnet ou cascadeforwardnet. Pour préparer un réseau personnalisé à être entraîner avec mse, définissez net.performFcn à 'mse'. net.performParam est alors automatiquement défini comme une structure avec les valeurs des paramètres optionnels par défaut.

mse est une fonction de performance du réseau. Elle mesure les performances du réseau selon la moyenne des erreurs quadratiques.

Exemples

réduire tout

Cet exemple montre comment entraîner un réseau de neurones avec la fonction de performance mse.

Ici, un réseau feedforward à deux couches est créé et entraîné pour estimer un pourcentage de graisse corporelle avec la fonction de performance mse et une valeur de régularisation de 0,01.

[x, t] = bodyfat_dataset;
net = feedforwardnet(10);
net.performParam.regularization = 0.01;

MSE est la fonction de performance par défaut pour feedforwardnet.

net.performFcn

Entraînez le réseau et évaluez les performances.

net = train(net, x, t);
y = net(x);
perf = perform(net, t, y)

Vous pouvez également appeler mse directement.

perf = mse(net, t, y, 'regularization', 0.01)

Arguments d'entrée

réduire tout

Réseau dont vous souhaitez calculer les performances, spécifié comme un SeriesNetwork ou un objet DAGNetwork.

Cibles, spécifiées comme une matrice ou un cell array.

Sorties, spécifiées comme une matrice ou un cell array.

Poids des erreurs, spécifiés comme un scalaire.

Arguments de sortie

réduire tout

Performances du réseau sous forme d’erreurs quadratiques moyennes.

Historique des versions

Introduit avant R2006a

Voir aussi