主要内容

培训

交叉验证的训练指标

折叠所有页面

语法

Idx =训练(c)
Idx = training(c,i)

描述

例子

idx=培训(c）返回训练指数idx对于一个cvpartition对象c类型的“坚持”或“resubstitution”．

  • 如果c.Type是“坚持”,然后idx指定训练集中的观察值。

  • 如果c.Type是“resubstitution”,然后idx指定所有观测值。

例子

idx=培训(c，我）返回用于重复的训练索引我的cvpartition对象c类型的“kfold”或“leaveout”．

  • 如果c.Type是“kfold”,然后idx属性中的观察值我训练集。

  • 如果c.Type是“leaveout”,然后idx指定为重复训练保留的观察结果我．

例子

全部折叠

打开实时脚本

识别a的训练集中的观察结果cvpartition对象进行拒签验证。

分区10观察坚持验证。选择大约30%的观察结果作为测试(坚持)集。

rng (“默认”）%用于再现性C = cvpartition(10，“坚持”, 0.30)
c = hold out交叉验证分区NumObservations: 10 NumTestSets: 1 TrainSize: 7 TestSize: 3

识别训练集观察值。与1对应的观测值在训练集中。

Set =训练(c)
设置=10x1逻辑阵列1 1 1 0 1 1 1 1 0 0

可视化结果。除了第四，第九和第十之外的所有观察都在训练集中。

H =热图(double(set)，“ColorbarVisible”，“关闭”）;sorty (h,' 1 '，“提升”) ylabel (“观察”)标题(“训练集观察”）

图中包含热图类型的对象。类型热图的图表标题为训练集观察。

打开实时脚本

识别a的训练集中的观察结果cvpartition对象进行3倍交叉验证。

划分10观察3倍交叉验证。请注意,c包含三个重复的训练和测试数据。

rng (“默认”）%用于再现性C = cvpartition(10，“KFold”，3)
c = K-fold交叉验证分区NumObservations: 10 NumTestSets: 3 TrainSize: 7 6 7 TestSize: 3 4 3

为每次重复的训练和测试数据识别训练集观察值。与1对应的观测值在相应的训练集中。

Set1 =训练(c,1)
set2 =中的10x1逻辑阵列0 0 1 1 1 1 1 1 1 0 1
Set2 =训练(c,2);Set3 =训练(c,3);

可视化结果。除了第一，第二和第九之外的所有观察都在第一个训练集中。除了第三、第六、第八和第十之外的所有观察都在第二个训练集中。除了第四，第五和第七之外的所有观察都在第三个训练集中。

数据= [set1,set2,set3];H =热图(double(数据)，“ColorbarVisible”，“关闭”）;sorty (h, {' 1 '，' 2 '，“3”}，“提升”)包含(“重复”) ylabel (“观察”)标题(“训练集观察”）

图中包含热图类型的对象。类型热图的图表标题为训练集观察。

输入参数

全部折叠

验证分区，指定为cvpartition对象。的验证分区类型c，c。类型,是“kfold”，“坚持”，“leaveout”,或“resubstitution”．

重复索引，指定为正整数标量。指定我对象中的观测值我训练集。

数据类型:单|双

输出参数

全部折叠

训练集观察值的索引，作为逻辑向量返回。值为1表示对应的观测值在训练集中。值为0表示对应的观测值在测试集中。

版本历史

在R2008a中引入

另请参阅

|