文档帮助中心文档
交叉验证功能进行分类
瓦尔斯= kfoldfun (CVMdl乐趣)
例子
瓦尔斯= kfoldfun (CVMdl,有趣的)旨在功能有趣的通过应用有趣的存储在交叉验证模型中的数据CVMdl.你必须通过有趣的作为函数句柄。
瓦尔斯= kfoldfun (CVMdl,有趣的)
瓦尔斯
CVMdl
有趣的
全部折叠
训练分类树分类器,然后使用自定义交叉验证k倍损失函数。
载入费雪的虹膜数据集。
负载fisheriris
训练分类树分类器。
Mdl = fitctree(量、种类);
Mdl是一个ClassificationTree模型。
Mdl
ClassificationTree
旨在Mdl使用默认的10倍交叉验证。计算验证倍数观测的分类误差(误分类观测的比例)。
rng (1);%的再现性CVMdl = crossval (Mdl);L = kfoldLoss (CVMdl,“LossFun”,“classiferror”)
L = 0.0467
将花错分类的代价为多色的是10,而任何其他分类错误的代价是1.创建自定义函数noversicolor(在本例的最后)。这个函数属性的代价10把花错分类为多色的的成本1任何其他错误的分类。
多色的
10
1
noversicolor
计算的平均误分类误差noversicolor成本。
意思是(kfoldfun (CVMdl @noversicolor))
ans = 0.2267
这段代码创建了这个函数noversicolor.
函数averageCost = noversicolor (CMP, ~, ~, ~, Xtest,欧美,~)% noversicolor自定义交叉验证函数示例迷彩虹膜错误分类花费10,迷彩虹膜错误分类花费1%其他的虹膜。本示例函数需要fishiris数据%设置。Xtest Ypredict =预测(CMP);更进一步的=不(strcmp (Ypredict、欧美));%不同的结果classifiedAsVersicolor = strcmp (Ypredict,“多色的”);错误决策指数成本= sum(误分类)+...9 *和& classifiedAsVersicolor分类错误();%的总差异averageCost =成本/元素个数(欧美);平均误差百分比结束
ClassificationPartitionedModel
ClassificationPartitionedEnsemble
ClassificationPartitionedGAM
交叉验证的模型,指定为ClassificationPartitionedModel对象,ClassificationPartitionedEnsemble对象,或ClassificationPartitionedGAM对象。
交叉验证的函数,指定为函数句柄。有趣的语法:
testvals =乐趣(CMP、Xtrain Ytrain, Wtrain, Xtest,欧美,wte)
CMP压缩模型是否存储在CVMdl.Trained财产。
CMP
.Trained
Xtrain为预测值的训练矩阵。
Xtrain
Ytrain为响应值的训练数组。
Ytrain
Wtrain为观察的训练权重。
Wtrain
Xtest和欧美测试数据是否具有相关的权重wte.
Xtest
欧美
wte
返回值testvals所有折叠的尺寸必须相同。
testvals
数据类型:function_handle
function_handle
交叉验证结果,以数字矩阵的形式返回。瓦尔斯包含testvals输出,垂直连接所有折叠。例如,如果testvals每个折叠都是一个长度的数字向量N,kfoldfun返回一个KFold——- - - - - -N数字矩阵,每折叠一行。
N
kfoldfun
KFold
数据类型:双
双
使用注意事项及限制:
此功能完全支持以下交叉验证模型对象的GP金宝appU阵列:
用fitcensemble
fitcensemble
k训练的最近邻分类器fitcknn
fitcknn
金宝app支持向量机分类器训练fitcsvm
fitcsvm
用于多类分类的二叉决策树fitctree
fitctree
有关更多信息,请参见在GPU上运行MATLAB函数(并行计算工具箱).
ClassificationPartitionedModel|kfoldPredict|kfoldEdge|kfoldMargin|kfoldLoss
kfoldPredict
kfoldEdge
kfoldMargin
kfoldLoss
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系