线性判别器的交叉验证正则化
呃= cvshrink (obj)
(呃,γ)= cvshrink (obj)
(呃,γδ)= cvshrink (obj)
[err,gamma,delta,numpred] = cvshrink(obj)
[err,...] = cvshrink(obj,名称,值)
返回正则化参数Gamma不同值的交叉验证分类误差值的向量。呃
= cvshrink (obj
)
[
还返回伽玛值的向量。呃
,γ
] = cvshrink(obj
)
[
也返回带有Delta值的向量。呃
,γ
,δ
] = cvshrink(obj
)
[
为参数Gamma和Delta的每个设置返回非零预测器数量的向量。呃
,γ
,δ
,numpred
] = cvshrink(obj
)
|
判别分析分类器,产生使用 |
指定可选的逗号分隔的对名称,值
论点。的名字
参数名和价值
是相应的价值。的名字
必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1,value1,...,namen,valuen
.
|
默认值: |
|
交叉验证的伽马值矢量。 默认值: |
|
交叉验证的三角点间隔数。对于伽玛的每一个值, 默认值: |
|
交叉验证的伽马间隔数。 默认值: |
|
长度级别,一个整数 默认值: |
|
数字矢量或错误矩阵。
|
|
用于正则化的伽马值向量。看到γ和δ. |
|
用于正则化的值的向量或矩阵。看到γ和δ.
|
|
数字矢量或矩阵包含模型中的模型中的预测器数量。
|
检查呃
和numpred
输出以查看交叉验证错误和预测器数之间的权衡。当您发现令人满意的点时,请设置相应的点γ
和δ
属性在模型中使用点符号。例如,如果(I,J)
满意点的位置是否设置好
obj。γ=γ(我);obj。Delta = delta(i,j);