Exponenta Banner

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, подходящее дерево классификации. По умолчанию, crossval использует 10-кратную перекрестную проверку на обучающих данных, чтобы создать cvmodel.

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

Входные параметры

развернуть все

model

Модель классификации, произведенное использование fitctree.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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 в виде разделенной запятой пары, состоящей из 'CVPartition' и cvpartition объект, созданный cvpartition функция. crossval разделяет данные в подмножества с cvpartition.

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

Часть данных, используемых для валидации затяжки в виде разделенной запятой пары, состоящей из 'Holdout' и скалярное значение 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 в виде разделенной запятой пары, состоящей из 'KFold' и положительное целочисленное значение, 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" в виде разделенной запятой пары, состоящей 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 ClassificationPartitionedModel объект.

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 = 0.1083

Советы

  • Оцените прогнозирующую эффективность model на перекрестных подтвержденных данных с помощью “kfold” методов и свойств cvmodel, такой 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