crossval

交叉验证合奏

扩大所有页面

句法

cvens = crossval（ENS） cvens = crossval（ENS，名称，值）

cvens= crossval（ENS）创建了一个从交叉验证合奏ENS，分类合奏。默认值是10倍交叉验证。

cvens= crossval（ENS，名称，值）创建具有额外的选项的一个或多个指定的交叉验证合奏名称，值对参数。您可以按照任何顺序指定多个名称 - 值对参数名1，值1，...，NameN，值N。

ENS

与创建的分类集成fitcensemble。

指定可选的用逗号分隔的对名称，值参数。名称是参数的名称和值是对应的值。名称必须出现引号内。您可以按照任何顺序指定多个名称和值对参数名1，值1，...，NameN，值N。

`'cvpartition'`	类的分区`cvpartition`。设置交叉验证的分区。使用名称 - 值对不超过一个`cvpartition`，`坚持`，`kfold`，要么`忽略`。
`'坚持'`	躲起来的验证测试数据的指定分数，并使用该数据的其他部分进行训练。指定一个来自数字标`0`至`1`。您只能使用这四个选项一次一个用于创建交叉验证树：`'kfold'`，`'坚持'`，`'忽略'`，要么`'cvpartition'`。
`'kfold'`	褶皱的交叉验证，数字正标量大于1的号码。使用名称 - 值对不超过一个`'kfold'`，`'坚持'`，`'忽略'`，要么`'cvpartition'`。
`'忽略'`	如果`'上'`，使用留一交叉验证。使用名称 - 值对不超过一个`'kfold'`，`'坚持'`，`'忽略'`，要么`'cvpartition'`。
`'NPRINT'`	打印输出频率，一个正整数标量。使用此参数可以观察交叉验证褶皱的培训。默认：`“关”`，这意味着没有打印输出

cvens

开立真实脚本

创建用于费希尔虹膜数据的交叉验证分类模型，以及使用所述评估其质量kfoldLoss方法。

加载费希尔虹膜数据集。

加载fisheriris

列车采用AdaBoostM2 100个提振分类树合奏。

T = templateTree（'MaxNumSplits'，1）;％弱学习模板树对象ENS = fitcensemble（MEAS，物种，'方法'，'AdaBoostM2'，“学习者”，T）;

创建从交叉验证合奏ENS并找到分类误差平均超过所有的折叠。

RNG（10，“扭腰”）％用于重现cvens = crossval（ENS）;L = kfoldLoss（cvens）

L = 0.0467

您可以直接从数据创建，而不是创建一个整体，然后交叉验证合奏交叉验证合奏，。要做到这一点，包括这五个选项之一fitcensemble：'crossval'，'kfold'，'坚持'，'忽略'，要么'cvpartition'。

下载电子书