横梁

班级：ClassificationTree.

交叉验证的决策树

展开所有页面

句法

CVMODEL = Crossval（型号） cvmodel =横跨（型号，名称，值）

描述

cvmodel.= Crossval（模型）从中创建分区模型模型，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.。

cvmodel.= Crossval（模型那名称，价值）创建一个分区模型，其中包含一个或多个指定的其他选项名称，价值对论点。

输入参数

展开全部

`模型`	使用分类模型，生产使用`fitctree`。

名称 - 值参数

指定可选的逗号分离对名称，价值论点。姓名是参数名称和价值为对应值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen。

`CVPartition.`-交叉验证分区
`[]`（默认）|`CVPartition.`目的

交叉验证分区，指定为逗号分隔对组成'cvpartition'和一个CVPartition.由此创建的对象CVPartition.功能。横梁将数据分成子集中CVPartition.。

一次仅使用这四个选项中的一个：'cvpartition'那'坚持'那'kfold'，或者'忽略'。

`坚持`-阻止验证的数据分数
范围中的标量值`（0,1）`

用于阻止验证的数据的分数，指定为逗号分隔的对组成'坚持'和范围内的标量值（0,1）。

一次仅使用这四个选项中的一个：'cvpartition'那'坚持'那'kfold'，或者'忽略'。

例子：'扑腾'，0.3

数据类型：单身的|双倍的

`kfold.`-折叠数量
`10.`（默认）|正整数值大于1

在交叉验证模型中使用的折叠数指定为逗号分隔对组成'kfold'并且正整数值大于1。

一次仅使用这四个选项中的一个：'cvpartition'那'坚持'那'kfold'，或者'忽略'。

例子：'kfold'，3

数据类型：单身的|双倍的

`忽略`-留下一张交叉验证标志
`'离开'`（默认）|`'在'`

留下一张交叉验证标志，指定为逗号分隔的配对组成'忽略'和'在'或'离开'。休闲露天是一个特例'kfold'其中折叠的数量等于观察的数量。

一次仅使用这四个选项中的一个：'cvpartition'那'坚持'那'kfold'，或者'忽略'。

例子：'留下'，'开'

输出参数

展开全部

`cvmodel.`- 分区模型
`ClassificationPartionedModel.`目的

分区模型，作为一个返回ClassificationededModel.对象。

例子

展开全部

创建交叉验证模型

打开直播脚本

为电离层数据创建分类模型，然后创建交叉验证模型。使用模型评估质量Kfoldloss.。

加载电离层树= fitctree（x，y）;cvmodel = drossval（树）;l = kfoldloss（cvmodel）

L = 0.1083.

提示

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.。

备择方案

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'。

扩展能力

GPU阵列
使用并行计算工具箱™在图形处理单元(GPU)上运行加速代码。

此功能完全支持GPU阵列。金宝app有关更多信息，请参阅在GPU上运行matlab函数（并行计算工具箱）。

也可以看看

fitctree|横梁

横梁

句法

描述