文档帮助中心
交叉验证功能
瓦尔斯= kfoldfun(CVMdl,有趣)
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。
瓦尔斯= kfoldfun(CVMdl,开玩笑)
瓦尔斯
CVMdl
开玩笑
展开全部
ClassificationPartitionedECOC
ClassificationPartitionedEnsemble
ClassificationPartitionedModel
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。
CMP
.Trained
Xtrain是预测值的训练矩阵。
Xtrain
Ytrain是响应值的训练阵列。
Ytrain
Wtrain是观察训练权重。
Wtrain
XTEST和Ytest是所述测试数据,与关联的权重W测试。
XTEST
Ytest
W测试
返回值testvals需要跨越所有的折叠尺寸相同。
testvals
数据类型:function_handle
function_handle
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。
ñ
kfoldfun
KFold
数据类型:双
双
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。
MDL
ClassificationTree
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。
“花斑癣”
10
1
noversicolor.m
云芝
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。
noversicolor
平均(kfoldfun(CVMdl,@ noversicolor))
ANS = 0.2267
ClassificationPartitionedECOC|ClassificationPartitionedModel|crossval|crossval|kfoldEdge|kfoldLoss|kfoldMargin|kfoldPredict
crossval
kfoldEdge
kfoldLoss
kfoldMargin
kfoldPredict
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处