crossval

旨在合奏

语法

cvens = crossval(实体) cvens = crossval(实体、名称、值)

cvens= crossval (实体)创建一个旨在合奏实体,一个分类。默认值是10倍交叉验证。

cvens= crossval (实体,名称,值)创建一个指定的一个或多个旨在合奏额外的选项名称,值对参数。您可以指定几个名称-值对参数在任何顺序Name1 Value1,…,的家。

`实体`	创建一个分类的整体造型`fitcensemble`。

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

`cvpartition`	一个分区的类`cvpartition`。设置分区交叉验证。使用不超过一个名称-值对`cvpartition`,`坚持`,`kfold`,或`leaveout`。
`坚持`	坚持验证测试指定的部分数据,并使用其他数据进行训练。指定一个数字标量`0`来`1`。你只能使用其中一个四个选项创建一个旨在树:`“kfold”`,`“坚持”`,`“leaveout”`,或`“cvpartition”`。
`kfold`	折交叉验证,数值积极标量大于1。使用不超过一个名称-值对`“kfold”`,`“坚持”`,`“leaveout”`,或`“cvpartition”`。
`leaveout`	如果`“上”`,使用分析交叉验证。使用不超过一个名称-值对`“kfold”`,`“坚持”`,`“leaveout”`,或`“cvpartition”`。
`nprint`	打印输出的频率,一个正整数标量。用这个参数来观察交叉验证折叠的训练。默认值:`“关闭”`,即不打印

cvens

打开生活的脚本

创建一个旨在费舍尔虹膜数据分类模型,并评估其质量使用kfoldLoss方法。

加载费舍尔虹膜数据集。

负载fisheriris

火车使用AdaBoostM2 100提高了分类树的合奏。

t = templateTree (“MaxNumSplits”1);%弱学习者模板树对象实体= fitcensemble(量、种类、“方法”,“AdaBoostM2”,“学习者”t);

创建一个旨在合奏实体所有折叠并找到分类误差平均值。

rng (10,“旋风”)%的再现性cvens = crossval (ens);L = kfoldLoss (cvens)

L = 0.0533

您可以创建一个交叉验证合奏直接从数据,而不是创建一个合奏,后跟一个交叉验证。要做到这一点,包括这五个选项之一fitcensemble:“crossval”,“kfold”,“坚持”,“leaveout”,或“cvpartition”。

这个函数完全支持GPU数组。金宝app有关更多信息,请参见运行在GPU MATLAB函数(并行计算工具箱)。