线性判别器的交叉验证正则化
err = cvshrink(obj)
[err,gamma] = cvshrink(obj)
[err,gamma,delta] = cvshrink(obj)
(呃,γ、δnumpred] = cvshrink (obj)
(呃,……]= cvshrink(obj.那名称,值)
返回对正则化参数伽玛的不同值的交叉验证分类错误值的向量。犯错
= cvshrink(obj.
)
[
也返回Gamma值的向量。犯错
那伽玛
) = cvshrink (obj.
)
[
还返回Delta值的向量。犯错
那伽玛
那三角洲
) = cvshrink (obj.
)
|
判别分析分类器,使用 |
指定可选的逗号分离对名称,值
参数。名称
是参数名称和价值
为对应值。名称
必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
|
默认值: |
|
用于交叉验证的伽马值向量。 默认值: |
|
用于交叉验证的Delta间隔数。对于每一个值, 默认值: |
|
交叉验证的伽玛间隔数。 默认值: |
|
冗长级别,一个整数 默认值: |
|
数值向量或误差矩阵。
|
|
用于正规化的伽马值矢量。看伽玛和三角洲. |
|
用于正规化的Delta值的矢量或矩阵。看伽玛和三角洲.
|
|
数值向量或矩阵,包含模型中各种规格化的预测器的数量。
|
检查犯错
和麻木
输出以查看交叉验证的错误和预测器数量之间的权衡。当你找到一个满意的点,设置相应的伽玛
和三角洲
使用点表示法模型的属性。例如,如果(i, j)
是令人满意的点,套装
obj.gamma =伽玛(i);obj.delta = delta(i,j);