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。

估计交叉验证的裕度。

m = kfoldMargin(CVMdl);尺寸(米)

ans =1×231572年1

米是一个31572 × 1向量。米(j)折页外边距的平均值是否为观察值j．

画出k-使用箱形图折叠边缘。

图;箱线图(m);H = gca;h.YLim = [-5 30];标题(“交叉验证边际的分布”）

执行特征选择的一种方法是比较k-从多个模型折边距。仅根据这一标准，边界较大的分类器是更好的分类器。

加载NLP数据集。预处理数据，如估计k-Fold交叉验证裕度．

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-每个分类器的褶边距。的分布图k-fold边框设置使用箱形图。

fullmargin = kfoldMargin(CVMdl);partmargin = kfoldMargin(PCVMdl);图;箱线图([fullMargins partMargins),“标签”，.．.｛“所有预测”，《一半的预测者》}）;H = gca;h.YLim = [-30 60];标题(“交叉验证边际的分布”）

这两个分类器的边缘分布是相似的。

为了确定一个良好的套索惩罚强度的线性分类模型，使用逻辑回归学习器，比较分布k倍的利润。

加载NLP数据集。预处理数据，如估计k-Fold交叉验证裕度．

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k-每个正则化强度的折叠边缘。

m = kfoldMargin(CVMdl);尺寸(米)

ans =1×231572年11

米是每个观察值的交叉验证边界的31572 × 11矩阵。列对应于正则化强度。

画出k-每个正则化强度的折叠边缘。因为逻辑回归得分在[0,1]，所以边际在[-1,1]。重新调整裕度，以帮助确定使网格上的裕度最大化的正则化强度。

图箱线图(10000.^m)“指数化测试样本边际”)包含(“λ指数”）

的几个值λ收益率k-在10000点附近压缩的折叠边际分布。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。

的中心之前的正则化强度k-fold边际分布开始减少。

LambdaFinal = Lambda(5);

使用整个数据集训练线性分类模型，并指定所需的正则化强度。

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．