交叉验证的决策树
CVMODEL = Crossval(型号)
cvmodel =横跨(型号,名称,值)
从中创建分区模型cvmodel.
= Crossval(模型
)模型
,一个拟合的分类树。默认情况下,横梁
在培训数据上使用10倍的交叉验证以创建cvmodel.
。
创建一个分区模型,其中包含一个或多个指定的其他选项cvmodel.
= Crossval(模型
那名称,价值
)名称,价值
对论点。
评估的预测性能模型
在使用“kfold”方法和属性的交叉验证数据cvmodel.
, 如Kfoldloss.
。
您可以直接从数据创建交叉验证树,而不是在创建决策树之后再创建交叉验证树。要做到这一点,请在以下五个选项中选择一个fitctree
:'横向'
那'kfold'
那'坚持'
那'忽略'
, 或者'cvpartition'
。