crossval

Класс: ClassificationTree

Перекрестное подтвержденное дерево решений

расширьте все на странице

Синтаксис

cvmodel = crossval(model)
cvmodel = crossval(model,Name,Value)

Описание

cvmodel = crossval(model) создает разделенную модель из model, подходящего дерева классификации. По умолчанию crossval использует 10-кратную перекрестную проверку на данных тренировки, чтобы создать cvmodel.

cvmodel = crossval(model,Name,Value) создает разделенную модель с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value.

Входные параметры

развернуть все

model

Модель классификации, произведенное использование fitctree.

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.

Раздел перекрестной проверки, заданный как пара, разделенная запятой, состоящая из 'CVPartition' и объекта cvpartition, создается функцией cvpartition. crossval разделяет данные в подмножества с cvpartition.

Используйте только одну из этих четырех опций за один раз: 'CVPartition', 'Holdout', 'KFold' или 'Leaveout'.

Часть данных используется для валидации затяжки, заданной как пара, разделенная запятой, состоящая из 'Holdout' и скалярного значения в области значений (0,1).

Используйте только одну из этих четырех опций за один раз: 'CVPartition', 'Holdout', 'KFold' или 'Leaveout'.

Пример: 'Holdout',0.3

Типы данных: single | double

Количество сгибов, чтобы использовать в перекрестной подтвержденной модели, заданной как пара, разделенная запятой, состоящая из 'KFold' и положительного целочисленного значения, больше, чем 1.

Используйте только одну из этих четырех опций за один раз: 'CVPartition', 'Holdout', 'KFold' или 'Leaveout'.

Пример: 'KFold',3

Типы данных: single | double

Флаг перекрестной проверки "Пропускает один", заданный как пара, разделенная запятой, состоящая из 'Leaveout' и 'on' или 'off'. "Пропустите один", особый случай 'KFold', в котором количество сгибов равняется количеству наблюдений.

Используйте только одну из этих четырех опций за один раз: 'CVPartition', 'Holdout', 'KFold' или 'Leaveout'.

Пример: 'Leaveout','on'

Выходные аргументы

развернуть все

Разделенная модель, возвращенная как объект ClassificationPartitionedModel.

Примеры

развернуть все

Скрипт Open Live Script

Создайте модель классификации для данных об ионосфере, затем создайте модель перекрестной проверки. Оцените качество модель с помощью kfoldLoss.

load ionosphere
tree = fitctree(X,Y);
cvmodel = crossval(tree);
L = kfoldLoss(cvmodel)
L = 0.1111

Советы

  • Оцените прогнозирующую производительность model на перекрестных подтвержденных данных с помощью “kfold” методов и свойств cvmodel, таких как kfoldLoss.

Альтернативы

Можно создать дерево перекрестной проверки непосредственно из данных, вместо того, чтобы создать дерево решений, сопровождаемое деревом перекрестной проверки. Для этого включайте одну из этих пяти опций в fitctree: 'CrossVal', 'KFold', 'Holdout', 'Leaveout' или 'CVPartition'.

Смотрите также

|

Документация Statistics and Machine Learning Toolbox
Поддержка
Для просмотра документации необходимо авторизоваться на сайте