重新分区

重新划分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定义与。相同类型的随机分区c,在那里c也是cvpartition对象。也就是说,重新分区同样的观察结果c并将它们重新划分为新的训练集和测试集。

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。

打开实时脚本

中的重新划分观测值cvpartition对象。验证分区的类型保持不变。

划分100个观察值进行3倍交叉验证。

C = cvpartition(100，“KFold”3)

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

重新划分观察结果。

Cnew =重新分区(c)

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

注意，在第一个测试集(折叠)的观测集c是不是和第一个测试集中的观测集不一样cnew．

isequal(测试(c, 1)、测试(cnew 1))

ans =逻辑0

的验证分区类型c而且cnew．这两个c而且cnew验证分区是否属于同一类型，“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．

用于新分区的随机数生成器，指定为RandStream对象。

在R2008a中引入