最新のリリースでは，このページがまだ翻訳されていません。このページの最新版は英语でご覧になれます。

kfoldfun

交差検证关数

このページをすべて展开する

构文

瓦尔斯= kfoldfun（CVMdl，有趣）

说明

例

瓦尔斯= kfoldfun（CVMdl，开玩笑）では，交差検证済みモデルCVMdlに保存されたデータに开玩笑を适用することにより，关数开玩笑の交差検证が行われます。关数开玩笑は，关数ハンドルとして渡す必要があります。

入力引数

すべて展开する

交差検证済みモデル。ClassificationPartitionedECOCモデル，ClassificationPartitionedEnsembleモデルまたはClassificationPartitionedModelモデルとして指定します。

交差検证关数。关数ハンドルとして指定します。开玩笑には构文が含まれます。

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

  • CMPは，CVMdl.Trainedプロパティの1つの要素に保存されたコンパクトモデルです。

  • Xtrainは，予测値の学习行列です。

  • Ytrainは，応答値の学习配列です。

  • Wtrainは観测に适用される学习の重みです。

  • XTESTおよびYtestは，重みW测试が关连付けられた検定データです。

  • 戻り値testvalsは，すべての分割で同じサイズでなければなりません。

データ型：function_handle

出力引数

すべて展开する

交差検证の结果。行列として返されます。瓦尔斯はtestvals出力の配列であり，すべての分割で垂直に连结されます。たとえば，すべての分割からのtestvalsが，长さñの数値ベクトルである场合，kfoldfunは，1つの分割につき1行でKFold行ñ列の数値行列を返します。

データ型：双

例

すべて展开する

分类木分类器を学习させます。カスタムķ分割损失关数を使い，これを交差検证します。

フィッシャーのアヤメのデータセットを読み込みます。

加载fisheriris

分类木分类器を学习させます。

MDL = fitctree（MEAS，物种）;

MDLはClassificationTreeモデルです。

既定の10分割交差検证を使用してMDLを交差検证します。分割外の観测値の分类误差（误分类された観测の比率）を计算します。

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

花を“花斑癣”と误分类するコストを10として，その他の误差を1とする结果を调查します。noversicolor.mという关数を作成し，MATLAB®パスに保存します。この关数は，误分类のコストを1として，花を云芝と误分类する场合のコストを10とします。

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

noversicolorコストの平均误分类误差を计算します。

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

参考

|||||||

统计和机器学习工具箱ドキュメンテーション
サポート
机械学习をマスターする：MATLABステップ·バイ·ステップガイド

机械学习をマスターする：MATLABステップ·バイ·ステップガイド

电子书をダウンロードする