repartition

Данные о повторном разделении для перекрестной проверки

Описание

пример

cnew = repartition(c) создает cvpartition объект cnew это задает случайный раздел того же типа как c, где c также cvpartition объект. Таким образом, repartition берет те же наблюдения в c и повторное разделение их в новые наборы обучающих данных и наборы тестов.

cnew = repartition(c,s) использует RandStream объекты как генератор случайных чисел для нового раздела.

Примеры

свернуть все

Наблюдения повторного разделения в cvpartition объект. Тип раздела валидации остается то же самое.

Раздел 100 наблюдений для 3-кратной перекрестной проверки.

c = cvpartition(100,'KFold',3)
c = 
K-fold cross validation partition
   NumObservations: 100
       NumTestSets: 3
         TrainSize: 67  66  67
          TestSize: 33  34  33

Повторно разделите наблюдения.

cnew = repartition(c)
cnew = 
K-fold cross validation partition
   NumObservations: 100
       NumTestSets: 3
         TrainSize: 67  66  67
          TestSize: 33  34  33

Заметьте что набор наблюдений в первом наборе тестов (сгиб) c различный как набор наблюдений в первом наборе тестов cnew.

isequal(test(c,1),test(cnew,1))
ans = logical
   0

Просмотрите тип раздела валидации c и cnew. Оба c и cnew разделы валидации того же типа, 'kfold'.

isequal(c.Type,cnew.Type)
ans = logical
   1

c.Type
ans = 
'kfold'

Входные параметры

свернуть все

Раздел валидации в виде cvpartition объект. Тип раздела валидации cC., совпадает с типом раздела валидации нового раздела cnew.

Генератор случайных чисел для нового раздела в виде RandStream объект.

Советы

  • Повторное разделение полезно для повторений Монте-Карло исследований перекрестной проверки. crossval вызовы repartition когда вы задаете 'MCReps' аргумент пары "имя-значение".

Смотрите также

| |

Введенный в R2008a
Для просмотра документации необходимо авторизоваться на сайте