加载NLP数据集。

负载nlpdata

X是预测器数据的稀疏矩阵，以及Y是类标签的分类向量。数据中有两个以上的类。

该模型应识别网页中的单词计数是否来自统计信息和计算机学习工具箱文档。因此，识别与统计和机器学习工具箱文档网页对应的标签。

ystats = y =='统计'；

交叉验证二进制，线性分类模型，可以识别文档网页中的单词是否来自统计和机器学习工具箱™文档。

RNG（1）;重复性的％cvmdl = fitclinear（x，ystats，“CrossVal”，“上”）;

cvmdl.是A.ClassificationPartitionedLinear模型。默认情况下，软件实现10倍交叉验证。您可以使用使用的折叠数'kfold'名称-值对的论点。

估计出折叠，分类错误率的平均值。

ce = kfoldLoss (CVMdl)

CE = 7.6017E-04

或者，您可以通过指定名称-值对来获得每倍分类错误率“模式”,“个人”在kfoldLoss．

加载NLP数据集。预处理数据估计k折交叉验证分类误差，并转换预测器数据。

负载nlpdataystats = y =='统计'；X = X ';

使用5倍交叉验证对二元线性分类模型进行交叉验证。利用SpaRSA优化目标函数。指定预测器观察值对应于列。

RNG（1）;重复性的％cvmdl = fitclinear（x，ystats，“规划求解”，“sparsa”，'kfold'，5，．..'观察'，“列”）;CMdl = CVMdl.Trained {1};

cvmdl.是A.ClassificationPartitionedLinear模型。它包含属性训练有素，这是一个5×1个单元阵列，保持aClassificationLinear软件使用每个折叠的训练集训练的模型。

创建一个匿名函数，测量线性损耗，即

$$w_j$$重量是用于观察的吗j， y_j为响应j(负类为-1，非负类为1)，f_j为观察的原始分类评分j．自定义损失函数必须以特定的形式编写。有关编写自定义损失函数的规则，请参见损失义务名称-值对的论点。因为功能不使用分类费用，使用～有kfoldLoss忽略它的位置。

linearloss = @（c，s，w，〜）和总和（-w。*和（s. * c，2））/ sum（w）;

使用线性损耗函数估计平均交叉验证的分类丢失。此外，获得每个折叠的损耗。

ce = kfoldLoss (CVMdl,“LossFun”，linearloss）

ce = -8.0982

ceFold = kfoldLoss (CVMdl,“LossFun”，linearloss，“模式”，“个人”）

ceFold =5×1-8.3165 -8.7633 -7.4342 -8.0423 -7.9347

确定使用Logistic回归学习者的线性分类模型的良好的租赁强度，比较测试样本分类错误率。

加载NLP数据集。预处理数据指定自定义分类损失．

负载nlpdataystats = y =='统计'；X = X ';

创建一组11个对数间隔的正则化强度 $$10^{-6}$$通过 $$10^{0．5}$$．

-0.5λ= logspace(6日,11);

交叉验证二元，线性分类模型使用5倍交叉验证，并使用每个正则化强度。利用SpaRSA优化目标函数。将目标函数梯度的容差降低到1E-8．

RNG（10）;重复性的％cvmdl = fitclinear（x，ystats，'观察'，“列”，．..'kfold'，5，“学习者”，“物流”，“规划求解”，“sparsa”，．..“正规化”，“套索”，“λ”λ,'gradienttolerance'1 e-8)

CVMdl = ClassificationPartitionedLinear CrossValidatedModel: 'Linear' ResponseName: 'Y' NumObservations: 31572 KFold: 5 Partition: [1×1 cvpartition] ClassNames: [0 1] ScoreTransform: 'none'属性，方法

提取经过训练的线性分类模型。

Mdl1 = CVMdl。训练有素的{1}

Mdl1 = ClassificationLinear ResponseName: 'Y' ClassNames: [0 1] ScoreTransform: 'logit' Beta: [34023×11 double] Bias: [-13.2559 -13.2559 -13.2559 -9.1017 -7.1128 -5.4113 -3.6007 -3.1606 -2.9794] Lambda: [1.0000e-06 3.5481e-06 1.2589e-05 4.4668e-05 1.5849e-04 5.6234e-04 0.0020 0.0071 0.0251 0.0891 0.3162]初学者:“物流”属性,方法

Mdl1是A.ClassificationLinear模型对象。因为λ是一系列正规化优势，你可以想到Mdl作为11个型号，一个用于每个正则化强度λ．

估计交叉验证的分类误差。

ce = kfoldLoss (CVMdl);

因为有11种正规化强度，ce是分类错误率的1 × 11向量。

更高的值λ导致预测变量稀疏性，这是分类器的良好质量。对于每个正则化强度，使用整个数据集和交叉验证模型时的选项列出线性分类模型。确定每个模型的非零系数的数量。

Mdl = fitclinear (X, Ystats'观察'，“列”，．..“学习者”，“物流”，“规划求解”，“sparsa”，“正规化”，“套索”，．..“λ”λ,'gradienttolerance'1 e-8);numNZCoeff = (Mdl.Beta ~ = 0)之和;

在相同的图中，为每个正则化强度绘制交叉验证的，分类误差率和非零系数的频率。绘制日志比例上的所有变量。

图;[h, hL1, hL2] = plotyy (log10(λ)log10 (ce),．..log10（lambda），log10（numnzcoeff））;HL1.Marker ='o'；hL2。标志='o'；ylabel (h (1),'log_ {10}分类错误') ylabel (h (2),'log_ {10}非零系数频率')包含(“log_{10}λ的） 标题（'test-sample statistics')举行从

选择余额强度的索引，使预测值变稀物性和低分类误差余额。在这种情况下，之间的值 $$10^{-4}$$来 $$10^{-1}$$足以满足。

idxFinal = 7;

选择模型Mdl与所选择的正规化强度。

idxFinal MdlFinal = selectModels (Mdl);

MdlFinal是A.ClassificationLinear模型包含一个正规化强度。要估计新观测值的标签，请通过MdlFinal和新的数据预测．