crossval

Крест подтверждает ансамбль

Синтаксис

cvens = crossval(ens) cvens = crossval(ens,Name,Value)

Описание

cvens = crossval(ens) создает перекрестный подтвержденный ансамбль из ens, ансамбль классификации. Значением по умолчанию является 10-кратная перекрестная проверка.

cvens = crossval(ens,Name,Value) создает перекрестный подтвержденный ансамбль с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value. Можно задать несколько аргументов пары "имя-значение" в любом порядке как Name1,Value1,…,NameN,ValueN.

Входные параметры

ens

Ансамбль классификации создается с fitcensemble.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

`'cvpartition'`	Раздел класса `cvpartition`. Устанавливает раздел для перекрестной проверки. Используйте не больше, чем одну из пар "имя-значение" `cvpartition`, `holdout`, `kfold` или `leaveout`.
`'holdout'`	Валидация затяжки тестирует заданную часть данных и использует остальную часть данных для обучения. Задайте числовой скаляр от `0` до `1`. Можно только использовать одну из этих четырех опций за один раз для создания перекрестного подтвержденного дерева: `'kfold'`, `'holdout'`, `'leaveout'` или `'cvpartition'`.
`'kfold'`	Количество сгибов для перекрестной проверки, числовая положительная скалярная величина, больше, чем 1. Используйте не больше, чем одну из пар "имя-значение" `'kfold'`, `'holdout'`, `'leaveout'` или `'cvpartition'`.
`'leaveout'`	Если `'on'`, используйте перекрестную проверку, "пропускают один". Используйте не больше, чем одну из пар "имя-значение" `'kfold'`, `'holdout'`, `'leaveout'` или `'cvpartition'`.
`'nprint'`	Частота распечатки, положительный целочисленный скаляр. Используйте этот параметр, чтобы наблюдать обучение сгибов перекрестной проверки. Значение по умолчанию: `'off'`, не означая распечатки

Выходные аргументы

cvens

Перекрестный подтвержденный ансамбль классификации класса ClassificationPartitionedEnsemble.

Примеры

развернуть все

Перекрестный подтвердите ансамбль классификации

Скрипт Open Live Script

Создайте перекрестную подтвержденную модель классификации для ирисовых данных Фишера и оцените его качество с помощью метода kfoldLoss.

Загрузите ирисовый набор данных Фишера.

load fisheriris

Обучите ансамбль 100 повышенных деревьев классификации с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Создайте перекрестный подтвержденный ансамбль из ens и найдите ошибку классификации усредненной по всем сгибам.

rng(10,'twister') % For reproducibility
cvens = crossval(ens);
L = kfoldLoss(cvens)

L = 0.0467

Альтернативы

Можно создать ансамбль перекрестной проверки непосредственно из данных, вместо того, чтобы создать ансамбль, сопровождаемый ансамблем перекрестной проверки. Для этого включайте одну из этих пяти опций в fitcensemble: 'crossval', 'kfold', 'holdout', 'leaveout' или 'cvpartition'.

Документация