有可能使用交叉验证非线性回归的训练过程,防止过度拟合?

2视图(30天)

显示旧的评论

穆罕默德turk TAKCI 2020年9月30日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/602527-is-it-possible-to-use-cross-validation-in-the-training-procedure-of-nonlinear-regression-to-prevent

编辑: 穆罕默德turk TAKCI2021年5月4日

大家好！

我想问如果可以使用交叉验证培训过程的非线性回归模型。我读过许多关于它的问题和答案,但我还没有找到一个解决方案。我有一个数据集,包括8预测和1响应变量。我划分为训练(% 70的数据)和测试(所有数据的% 30)。我使用nlinfit和nlpredicci如下所示。“modelfun”是一个多项式函数。“ypred”是预测价值。

                         [β,R, J, CovB, MSE) = nlinfit (Xtrain、Ytrain @modelfun, b0,选择)
                        
                         Xnew = Xtest;%新x值分配给Xnew测试训练模型。
                        
                         [ypred, ~] = nlpredci (@modelfun Xnew,β,R,的雅可比矩阵J“柯伐合金”CovB,MSE的MSE)

现在,该模型给出了系数矩阵(β)只使用一个训练集。我知道使用crossval函数测试您的模型使用不同的数据(使用k倍)和平均错误率。是我们唯一可以使用crossval吗?培训过程时使用k倍数据集,我能获得最优系数矩阵用于预测过程由于这些吗?我想训练我的模型有不同的数据集,并确定最佳系数矩阵用于预测,防止过度拟合使用交叉验证过程但我停留在这一点。有什么建议吗?