cvshrink
旨在线性判别的正规化
语法
呃= cvshrink (obj)
(呃,γ)= cvshrink (obj)
(呃,γδ)= cvshrink (obj)
(呃,γ、δnumpred] = cvshrink (obj)
(呃,……]= cvshrink (obj,名称,值)
描述
返回一个向量旨在分类误差值不同的正则化参数γ的值。犯错
= cvshrink (obj
)
(
还返回伽马值的向量。犯错
,γ
)= cvshrink (obj
)
(
还返回δ值的向量。犯错
,γ
,δ
)= cvshrink (obj
)
输入参数
|
判别分析分类器,生产使用 |
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
|
默认值: |
|
交叉验证向量的γ值。 默认值: |
|
δ间隔交叉验证。对于每一个γ的值, 默认值: |
|
交叉验证的伽马间隔数量。 默认值: |
|
冗长的水平,一个整数 默认值: |
输出参数
|
数值向量或矩阵的错误。
|
|
向量的γ值用于正则化。看到γ和δ。 |
|
向量或矩阵δ值用于正则化。看到γ和δ。
|
|
数值向量或矩阵包含在模型中预测的数量在不同的合法化。
|
例子
更多关于
提示
检查
犯错
和numpred
输出看到旨在误差之间的权衡和数量的预测。当你找到一个满意的点,设置相应的γ
和δ
使用点符号属性模型。例如,如果(i, j)
令人满意的位置点,准备好了吗obj。γ=γ(我);obj。Delta = delta(i,j);