主要内容

培训

交叉验证的培训指标

折叠所有页面

语法

idx =训练(c)
idx =训练(c i)

描述

例子

idx=培训(c）返回培训指标idx对于一个cvpartition对象c类型的“坚持”或“resubstitution”．

  • 如果c.Type是“坚持”,然后idx指定训练集中的观察值。

  • 如果c.Type是“resubstitution”,然后idx指定所有的观察。

例子

idx=培训(c，我）返回重复训练的指标我的cvpartition对象c类型的“kfold”或“leaveout”．

  • 如果c.Type是“kfold”,然后idx中指定的观察值我训练集。

  • 如果c.Type是“leaveout”,然后idx指定在重复训练时保留的观察结果我．

例子

全部折叠

打开生活的脚本

识别在集合的训练集中的观察cvpartition对象，用于拒绝符验证。

分区10观测，以进行抵抗验证。选择大约30%的观察值作为测试(坚持)集。

rng (“默认”）%的再现性c = cvpartition (10,“坚持”, 0.30)
c = hold out cross validation partition nummobations: 10 NumTestSets: 1 TrainSize: 7 TestSize: 3

识别训练集观察值。对应于1的观察值在训练集中。

设置=培训(c)
设置=10 x1逻辑阵列1 1 1 0 1 1 1 1 0 0

可视化结果。除了第四，第九和第十的观测数据外，所有的观测数据都在训练集中。

h =热图(双(套),“ColorbarVisible”，“关闭”）;sorty (h,' 1 '，“提升”) ylabel (“观察”)标题(“训练集的观察”）

图中包含一个热图类型的对象。热图类型的图表标题为训练集观察。

打开生活的脚本

识别在训练集中的观察值cvpartition对象为3倍交叉验证。

对10个观测数据进行3倍交叉验证。请注意,c包含三次重复的训练和测试数据。

rng (“默认”）%的再现性c = cvpartition (10,“KFold”3)
c = K-fold交叉验证分区nummobservations: 10 NumTestSets: 3 TrainSize: 7 6 7 TestSize: 3 4 3

为每次重复的训练和测试数据识别训练集观察值。对应于1的观察值在相应的训练集中。

set2 =中的培训(c, 1)
set2 =中的10 x1逻辑阵列0 0 1 1 1 1 1 1 1 0 1
关于我校=培训(c, 2);set3 =培训(c, 3);

可视化结果。除第一、第二和第九项外的所有观测值都在第一个训练集中。除第三、第六、第八和第十项外的所有观测数据都在第二个训练集中。除了第4、5和7个观测值外，所有的观测值都在第三个训练集中。

data = [set2,中的关于我校set3);h =热图(双(数据),“ColorbarVisible”，“关闭”）;sorty (h, {' 1 '，' 2 '，“3”}，“提升”)包含(“重复”) ylabel (“观察”)标题(“训练集的观察”）

图中包含一个热图类型的对象。热图类型的图表标题为训练集观察。

输入参数

全部折叠

验证分区，指定为cvpartition对象。的验证分区类型c，c。类型,是“kfold”，“坚持”，“leaveout”,或“resubstitution”．

重复索引，指定为正整数标量。指定我表示找到的观察我训练集。

数据类型:单|双

输出参数

全部折叠

训练集观察的索引，作为逻辑向量返回。值为1表示对应的观测在训练集中。0表示对应的观测值在测试集中。

另请参阅

|

介绍了R2008a

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书