加载NLP数据集。

加载nlpdata

X是预测数据的稀疏矩阵，和y是类标签的分类向量。数据中有两个以上的类。

识别与统计和机器学习工具箱™文档网页对应的标签。

Ystats = Y ==“统计数据”;

交叉验证一个二元线性分类模型，该模型可以识别文档网页中的单词计数是否来自统计学和机器学习工具箱™文档。

rng (1);%的再现性CVMdl=fitclinear（X，y测试，'CrossVal'那'在'）

CVMdl = ClassificationPartitionedLinear CrossValidatedModel: 'Linear' ResponseName: 'Y' NumObservations: 31572 KFold: 10 Partition: [1x1 cvpartition] ClassNames: [0 1] ScoreTransform: 'none'属性，方法

CVMdl是一个ClassificationPartitionedLinear交叉验证模型。因为fitclinear默认情况下实现10倍交叉验证，CVMdl.Trained包含十ClassificationLinear包含的训练线性分类模型为每个褶皱的效果模型。

估计未折叠观测的标签，并通过传递估计泛化误差CVMdl来kfoldPredict和kfoldLoss， 分别。

oofLabels = kfoldPredict (CVMdl);通用电气= kfoldLoss (CVMdl)

通用电气(ge) = 7.6017 e-04

估计的概化误差小于0.1%的错误分类观测。

为了确定一个良好的套索惩罚强度的线性分类模型使用逻辑回归学习者，实施5倍交叉验证。

加载NLP数据集。

加载nlpdata

X是预测数据的稀疏矩阵，和y是类标签的分类向量。数据中有两个以上的类。

模型应该识别网页中的单词计数是否来自统计学和机器学习工具箱™文档。因此，识别与统计和机器学习工具箱™文档网页相对应的标签。

Ystats = Y ==“统计数据”;

创建一组11个对数间隔的正则化强度 $$1{0.}^{-6.}$$通过 $$1{0.}^{-0.．5.}$$．

波长= LOGSPACE（-6，-0.5,11）;

旨在模型。要提高执行速度，可以调换预测器数据并指定观察结果在列中。使用SpaRSA估计系数。将目标函数梯度的容差降低到1 e-8．

X = X ';rng (10);%的再现性CVMdl=fitclinear（X，y测试，“ObservationsIn”那'列'那“KFold”5,．．．“学习者”那“物流”那“规划求解”那'sparsa'那“正规化”那'套索'那．．．'lambda'λ,“GradientTolerance”1 e-8)

CVMdl = ClassificationPartitionedLinear CrossValidatedModel: 'Linear' ResponseName: 'Y' NumObservations: 31572 KFold: 5 Partition: [1x1 cvpartition] ClassNames: [0 1] ScoreTransform: 'none'属性，方法

numCLModels =元素个数(CVMdl.Trained)

numCLModels = 5

CVMdl是一个ClassificationPartitionedLinear模型。因为fitclinear实现5倍交叉验证,CVMdl包含5ClassificationLinear模型上的每个褶皱的软件列车。

显示第一个训练的线性分类模型。

Mdl1 = CVMdl。训练有素的{1}

Mdl1 = ClassificationLinear ResponseName： 'Y' 的类名：[0 1] ScoreTransform： '分对数' 贝塔：[34023x11双]偏压：[-13.3808 -13.3808 -13.3808 -13.3808 -13.3808 ...] LAMBDA：1.0000e-06 3.5481E-06 1.2589e-05 4.4668e-05 ...]学习者： '后勤' 的属性，方法

Mdl1是一个ClassificationLinear模型对象。fitclinear构造Mdl1通过对前四个褶皱培训。因为LAMBDA你能想到一个正规化强度的序列吗Mdl1作为11个模型，其中每个正则化强度对应一个模型LAMBDA．

估计交叉验证分类错误。

ce = kfoldLoss (CVMdl);

因为有11种正规化强度，ce是分类错误率的1×11矢量。

值越大，LAMBDA导致预测变量的稀疏性，这是一个很好的分类器的品质。对于每个正则化强度，使用整个数据集和交叉验证模型时相同的选项训练线性分类模型。确定每个模型的非零系数的数目。

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

在同一个图中，绘制每个正则化强度的交叉验证、分类错误率和非零系数频率。在对数刻度上绘制所有变量。

图;[h, hL1, hL2] = plotyy (log10(λ)log10 (ce),．．．log10(λ)log10 (numNZCoeff));hL1。标志=“哦”;hL2.Marker =“哦”;ylabel（H（1），“log_{10}分类错误”）ylabel（H（2），“log_ {10} nonzero-coefficient频率”)包含('LOG_ {10} LAMBDA')标题(测试样本统计的)举行从

选择正规化强度指数是平衡预测变量的稀疏性和低分类误差。在这种情况下，之间的值 $$1{0.}^{-4.}$$来 $$1{0.}^{-1}$$应该足够了。

idxFinal = 7;

从下面选择模型Mdl与所选择的正则化强度。

MdlFinal = selectModels（MDL，idxFinal）;

MdlFinal是一个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．