kfoldfun

交叉验证功能

扩大所有页面

句法

瓦尔斯= kfoldfun（CVMdl，有趣）

描述

例

瓦尔斯= kfoldfun（CVMdl，开玩笑）交叉验证功能开玩笑通过应用开玩笑存储在交叉验证模型中的数据CVMdl。你必须通过开玩笑作为一个函数句柄。

输入参数

展开全部

交叉验证模型，指定为ClassificationPartitionedECOC模型，ClassificationPartitionedEnsemble模型或ClassificationPartitionedModel模型。

交叉验证功能，指定为函数句柄。开玩笑有语法

testvals =乐趣（CMP，Xtrain，Ytrain，Wtrain，XTEST，Ytest，W测试）

  • CMP被存储在所述一个元件的紧凑模型CVMdl.Trained属性。

  • Xtrain是预测值的训练矩阵。

  • Ytrain是响应值的训练阵列。

  • Wtrain是观察训练权重。

  • XTEST和Ytest是所述测试数据，与关联的权重W测试。

  • 返回值testvals需要跨越所有的折叠尺寸相同。

数据类型：function_handle

输出参数

展开全部

交叉验证的结果，返回一个数字矩阵。瓦尔斯是阵列testvals输出，纵向级联在所有的折叠。例如，如果testvals从每一个折叠是长度的数值向量ñ，kfoldfun回报KFold-通过-ñ数字矩阵，每倍一行。

数据类型：双

例子

展开全部

训练分类树分类，然后使用自定义交叉验证ķ倍丧失功能。

加载费舍尔的虹膜数据集。

加载fisheriris

训练分类树分类。

MDL = fitctree（MEAS，物种）;

MDL是ClassificationTree模型。

交叉验证MDL使用默认的10倍交叉验证。计算所述乱倍观测分类误差（错误分类观测的比例）。

RNG（1）;％用于重现CVMdl = crossval（MDL）;L = kfoldLoss（CVMdl）
L = 0.0467

检查结果时误分为花的成本“花斑癣”是10和任何其它错误是1。写调用的函数noversicolor.m该属性的成本1对于错误分类，但10对于误分为花为云芝，并将其保存在您的MATLAB®路径。

功能averageCost = noversicolor（CMP，Xtrain，Ytrain，Wtrain，XTEST，Ytest，W测试）％noversicolor实施例定制的交叉验证功能％属性为10的成本误分类云芝虹膜，和1％其他虹膜。这个例子功能要求| fisheriris |数据％设定。Ypredict =预测（CMP，XTEST）;错误分类的未=（的strcmp（Ypredict，Ytest））;％不同的结果classifiedAsVersicolor =的strcmp（Ypredict，“花斑癣”）;错误决定指数％成本=总和（错误分类）+...9 *总和（错误分类＆classifiedAsVersicolor）;％总计差异averageCost =成本/ numel（Ytest）;％平均误差结束

计算与平均误分noversicolor成本。

平均（kfoldfun（CVMdl，@ noversicolor））
ANS = 0.2267

也可以看看

|||||||

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：有步骤，分步指南与MATLAB

掌握机器学习：有步骤，分步指南与MATLAB

下载电子书