我有一个问题；关于交叉验证，对我来说，交叉验证是用来寻找最佳参数的。但我不理解这个函数“cross valind”的作用：生成交叉验证指数，它只接受没有模型的数据集，如下例所示：
load fisheriris [g gn] = grp2idx(species); [trainIdx testIdx] = crossvalind('HoldOut', species, 1/3);
dly7yett1#
Crossvalind()函数将数据分成两组：训练集和交叉验证集。以您的例子为例：[TrainIdx testIdx]=Crossvalind(‘Holdout’，Size(物种，1)，1/3)；意思是按物种划分数据(训练集中2/3，交叉验证集中1/3)。假设您的数据如下所示：那么，species=[datarow1；datarow2；datarow3；datarow4；datarow5；datarow6]Idx将类似于[1；1；0；1；1；1；0]，而TestIdx将类似于[0；0；1；0；0；1]，这意味着从我们集合中的6个元素中，CrossValind函数将4个分配给训练集，2分配给交叉验证集。当然，这是一个随机赋值，这意味着每次调用函数时，0和1索引将不同，但它们之间的比例将是固定的，而Train Idx+estIdx将始终为1(Size(物种，1)，1)在这种情况下，Crosvalind(‘LeaveMout’，Size(Species，1)，2)将与Crosvalind(‘Holdout’，Size(Species，1)，1/3)完全相同。在‘Holdout’格式中，您提供的参数P的取值范围为0到1(如上例中的1/3)，而使用选项‘LeaveMout’时，您可以提供整数M，如6个样本中的2个样本，或数据集中10000个样本中的2000个样本。在‘Resubstitution’的情况下：Crossvalind(‘Resubstitution’，Size(物种，1)，[1/3，2/3])仍然是相同的，但在这里，您也可以选择[1/3，3/4]，这意味着一些样本可以同时出现在训练集和交叉验证集中，甚至[1，1]，这意味着所有样本都在这两个集中使用(在上面的例子中，TrainIdx=testIdx=[1；1；1；1；1；1；1；1；1])。我强烈建议输入Help Crosvalind并查看帮助文件，它总是比我能做的更详细、更有帮助。
1条答案
按热度按时间dly7yett1#
Crossvalind()函数将数据分成两组：训练集和交叉验证集。以您的例子为例：[TrainIdx testIdx]=Crossvalind(‘Holdout’，Size(物种，1)，1/3)；意思是按物种划分数据(训练集中2/3，交叉验证集中1/3)。假设您的数据如下所示：
那么，species=[datarow1；datarow2；datarow3；datarow4；datarow5；datarow6]Idx将类似于[1；1；0；1；1；1；0]，而TestIdx将类似于[0；0；1；0；0；1]，这意味着从我们集合中的6个元素中，CrossValind函数将4个分配给训练集，2分配给交叉验证集。当然，这是一个随机赋值，这意味着每次调用函数时，0和1索引将不同，但它们之间的比例将是固定的，而Train Idx+estIdx将始终为1(Size(物种，1)，1)
在这种情况下，Crosvalind(‘LeaveMout’，Size(Species，1)，2)将与Crosvalind(‘Holdout’，Size(Species，1)，1/3)完全相同。在‘Holdout’格式中，您提供的参数P的取值范围为0到1(如上例中的1/3)，而使用选项‘LeaveMout’时，您可以提供整数M，如6个样本中的2个样本，或数据集中10000个样本中的2000个样本。在‘Resubstitution’的情况下：Crossvalind(‘Resubstitution’，Size(物种，1)，[1/3，2/3])仍然是相同的，但在这里，您也可以选择[1/3，3/4]，这意味着一些样本可以同时出现在训练集和交叉验证集中，甚至[1，1]，这意味着所有样本都在这两个集中使用(在上面的例子中，TrainIdx=testIdx=[1；1；1；1；1；1；1；1；1])。我强烈建议输入Help Crosvalind并查看帮助文件，它总是比我能做的更详细、更有帮助。