加载NLP数据集。

负载nlpdata

X是一个稀疏矩阵的预测数据，和Y是类标签的分类向量。数据中有两个以上的类。

这些模型应该识别网页中的字数是否来自统计和机器学习工具箱™文档。因此，确定与统计和机器学习工具箱™文档网页对应的标签。

Ystats = Y ==“统计数据”；

交叉验证二进制线性分类模型，该模型可以识别文档网页中的字数是否来自统计和机器学习工具箱™文档。

rng (1);%用于再现性CVMdl = fitclinear(X,Ystats，“CrossVal”，“上”）;

CVMdl是一个ClassificationPartitionedLinear模型。默认情况下，该软件实现10倍交叉验证。控件可以更改折叠数“KFold”名称-值对参数。

估计折外边的平均值。

e = kfoldge (cvdl)

E = 8.1243

或者，您可以通过指定名称-值对来获取每条折叠边“模式”,“个人”在kfoldEdge．

执行特征选择的一种方法是比较k-从多个模型中折叠边缘。仅根据这一准则，边缘最高的分类器就是最好的分类器。

加载NLP数据集。预处理数据，如估计k-Fold交叉验证边．

负载nlpdataYstats = Y ==“统计数据”；X = X';

创建以下两个数据集:

rng (1);%用于再现性p = size(X,1);%预测因子的数量halfPredIdx = randsample(p,ceil(0.5*p));fullX = X;partX = X(halfPredIdx，:);

交叉验证两个二元线性分类模型:一个使用所有预测因子，一个使用一半预测因子。利用SpaRSA对目标函数进行优化，表明观测值与列相对应。

CVMdl = fitclinear(fullX,Ystats，“CrossVal”，“上”，“规划求解”，“sparsa”，.．.“ObservationsIn”，“列”）;PCVMdl = fitclinear(partX,Ystats，“CrossVal”，“上”，“规划求解”，“sparsa”，.．.“ObservationsIn”，“列”）;

CVMdl而且PCVMdl是ClassificationPartitionedLinear模型。

估计k-每个分类器的褶边。

fullEdge = kfoldge (cvdl)

fullEdge = 16.5629

partEdge = kfoldEdge(PCVMdl)

partEdge = 13.9030

基于k-fold边，使用所有预测因子的分类器是更好的模型。

为了确定使用逻辑回归学习器的线性分类模型的良好套索惩罚强度，比较k褶边。

加载NLP数据集。预处理数据，如估计k-Fold交叉验证边．

负载nlpdataYstats = Y ==“统计数据”；X = X';

创建一组11个对数间隔的正则化强度 $$10^{-8}$$通过 $$10^1$$．

Lambda = logspace(-8,1,11);

使用5次交叉验证交叉验证二元线性分类模型，并使用每种正则化强度。利用SpaRSA对目标函数进行优化。将目标函数的梯度公差降低到1 e-8．

rng (10);%用于再现性CVMdl = fitclinear(X,Ystats，“ObservationsIn”，“列”，“KFold”5,.．.“学习者”，“物流”，“规划求解”，“sparsa”，“正规化”，“套索”，.．.“λ”λ,“GradientTolerance”1 e-8)

CVMdl = ClassificationPartitionedLinear CrossValidatedModel: 'Linear' ResponseName: 'Y' NumObservations: 31572 KFold: 5 Partition: [1x1 cvpartition] ClassNames: [0 1] ScoreTransform: 'none'属性，方法

CVMdl是一个ClassificationPartitionedLinear模型。因为fitclinear实现5倍交叉验证，CVMdl包含5ClassificationLinear软件在每次折叠上训练的模型。

估计每个折叠的边缘和正则化强度。

eFolds = kfoldEdge(CVMdl，“模式”，“个人”）

eFolds =5×110.9958 0.9958 0.9958 0.9958 0.9923 0.9772 0.9231 0.8419 0.8127 0.8127 0.9991 0.9991 0.9991 0.9939 0.9780 0.9181 0.8257 0.8128 0.8128 0.9992 0.9992 0.9992 0.9992 0.9779 0.9103 0.8255 0.8128 0.8128 0.9974 0.9974 0.9974 0.9974 0.9974 0.9931 0.9772 0.9195 0.8486 0.8130 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9976 0.9942 0.9782 0.8194 0.8400 0.8127 0.8127

eFolds是一个5 × 11的边矩阵。行对应折叠，列对应正则化强度λ．你可以使用eFolds识别表现不佳的折叠，即异常低边。

估计每个正则化强度下所有折叠的平均边缘。

e = kfoldge (cvdl)

e =1×110.9978 0.9978 0.9978 0.9978 0.9978 0.9935 0.9777 0.9181 0.8364 0.8128 0.8128

通过绘制每个正则化强度的5倍边的平均值来确定模型的泛化程度。确定正则化强度，使网格上的5倍边最大化。

图;情节(log10(λ)log10 (e),“o”) [~， maxEIdx] = max(e);maxLambda = Lambda(maxEIdx);持有在情节(log10 (maxLambda) log10 (e (maxEIdx)),“罗”）;ylabel ('log_{10} 5折边')包含(“log_{10}λ的)传说(“边缘”，的最大优势)举行从

的几个值λ产生同样高的边缘。较高的lambda值导致预测变量稀疏性，这是分类器的一个良好品质。

选择恰好在边缘开始减少之前发生的正则化强度。

LambdaFinal = Lambda(5);

使用整个数据集训练一个线性分类模型，并指定正则化强度LambdaFinal．

MdlFinal = fitclinear(X,Ystats，“ObservationsIn”，“列”，.．.“学习者”，“物流”，“规划求解”，“sparsa”，“正规化”，“套索”，.．.“λ”, LambdaFinal);

要估计新观测值的标签，请通过MdlFinal新的数据预测．