线性判别式的交叉验证正则化
呃= cvshrink (obj)
(呃,γ)= cvshrink (obj)
(呃,γδ)= cvshrink (obj)
[err,gamma,delta,numpred]=cvshrink(obj)
[err,…]=cvshrink(对象、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。犯错误
= cvshrink (obj
)
[
还返回伽马值的向量。犯错误
,γ
]=cvshrink(obj
)
[
也返回带有Delta值的向量。犯错误
,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。犯错误
,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
论据。的名字
参数名和价值
是对应的值。的名字
必须出现在引号内。您可以按任意顺序指定多个名称和值对参数,如下所示:名称1,值1,…,名称,值
.
|
默认值: |
|
交叉验证的伽马值向量。 默认值: |
|
交叉验证的增量间隔数。对于每个伽马值, 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: |
|
误差的数值向量或矩阵。
|
|
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.
|
|
数值向量或矩阵,包含各种正则化下模型中预测值的数量。
|
检查犯错误
和numpred
输出以查看交叉验证误差和预测值数量之间的折衷。当您找到满意的点时,设置相应的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);