重新分区

重新分区数据以进行交叉验证

折叠所有页面

语法

cnew =重新分区(c)

cnew =重新分区(c, s)

cnew=重新分区(c）创建一个cvpartition对象cnew它定义了一个与c,在那里c也是一个cvpartition对象。也就是说,重新分区采用同样的观察结果c并将它们重新划分为新的训练和测试集。

cnew=重新分区(c，年代）使用RandStream对象年代作为新分区的随机数生成器。

打开生活的脚本

a中的重分配观测cvpartition对象。验证分区的类型保持不变。

对100个观测数据进行3倍交叉验证。

c = cvpartition (100“KFold”3)

c = K-fold交叉验证分区nummobations: 100 NumTestSets: 3 TrainSize: 67 66 67 TestSize: 33 34 33

重新分区的观察。

cnew =重新分区(c)

cnew = K-fold交叉验证分区nummobations: 100 NumTestSets: 3 TrainSize: 67 66 67 TestSize: 33 34 33

注意，在第一个测试集(折叠)中的观察集c是否与第一个测试集中的观察集相同cnew．

isequal(测试(c, 1)、测试(cnew 1))

ans =逻辑0

的验证分区类型c和cnew．这两个c和cnew验证分区的类型是否相同，“kfold”．

isequal (c.Type cnew.Type)

ans =逻辑1

c.Type

ans = ' kfold '

验证分区，指定为cvpartition对象。的验证分区类型c，c。类型，与新分区的验证分区类型相同cnew．

新分区的随机数生成器，指定为RandStream对象。

介绍了R2008a

下载电子书