线性判别的交叉验证正则化
Err = cvshrink(obj)
[err,gamma] = cvshrink(obj)
[err,gamma,delta] = cvshrink(obj)
[err,gamma,delta,numpred] = cvshrink(obj)
(呃,……]= cvshrink (obj,名称,值)
返回正则化参数Gamma的不同值的交叉验证分类错误值的向量。犯错
= cvshrink (obj
)
[
也返回Gamma值的向量。犯错
,γ
] = cvshrink(obj
)
[
也返回Delta值的向量。犯错
,γ
,δ
] = cvshrink(obj
)
[
返回每个参数Gamma和Delta设置的非零预测器数量的向量。犯错
,γ
,δ
,numpred
] = cvshrink(obj
)
|
判别分析分类器,制作使用 |
的可选逗号分隔对名称,值
参数。名字
参数名称和价值
对应的值。名字
必须出现在引号内。您可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家
.
|
默认值: |
|
交叉验证的Gamma值向量。 默认值: |
|
交叉验证的增量间隔数。对于每一个值, 默认值: |
|
交叉验证的Gamma间隔数。 默认值: |
|
的整数 默认值: |
|
误差的数值向量或矩阵。
|
|
用于正则化的Gamma值的向量。看到和. |
|
用于正则化的增量值的向量或矩阵。看到和.
|
|
包含模型中各种正则化的预测数的数值向量或矩阵。
|
检查犯错
而且numpred
输出,以查看交叉验证的错误和预测器数量之间的权衡。当你找到一个满意的点,设置相应的γ
而且δ
属性在模型中使用点表示法。例如,如果(i, j)
满意点的位置确定了吗
obj。Gamma = Gamma (i);obj。Delta = delta(i,j);