training

Учебные индексы для перекрестной проверки

Описание

пример

idx = training(c) возвращает учебные индексы idx для cvpartition объект c из типа 'holdout' или 'resubstitution'.

  • Если c.Type 'holdout', затем idx задает наблюдения в наборе обучающих данных.

  • Если c.Type 'resubstitution', затем idx задает все наблюдения.

пример

idx = training(c,i) возвращает учебные индексы для повторения i из cvpartition объект c из типа 'kfold' или 'leaveout'.

  • Если c.Type 'kfold', затем idx задает наблюдения в iнабор обучающих данных th.

  • Если c.Type 'leaveout', затем idx задает наблюдения, зарезервированные для обучения при повторении i.

Примеры

свернуть все

Идентифицируйте наблюдения, которые находятся в наборе обучающих данных cvpartition объект для валидации затяжки.

Раздел 10 наблюдений для валидации затяжки. Выберите приблизительно 30% наблюдений, чтобы быть в тесте (затяжка) набор.

rng('default') % For reproducibility
c = cvpartition(10,'Holdout',0.30)
c = 
Hold-out cross validation partition
   NumObservations: 10
       NumTestSets: 1
         TrainSize: 7
          TestSize: 3

Идентифицируйте наблюдения набора обучающих данных. Наблюдения, которые соответствуют 1 с, находятся в наборе обучающих данных.

set = training(c)
set = 10x1 logical array

   1
   1
   1
   0
   1
   1
   1
   1
   0
   0

Визуализируйте результаты. Все наблюдения кроме четвертого, девятого, и десятый находятся в наборе обучающих данных.

h = heatmap(double(set),'ColorbarVisible','off');
sorty(h,'1','ascend')
ylabel('Observation')
title('Training Set Observations')

Figure contains an object of type heatmap. The chart of type heatmap has title Training Set Observations.

Идентифицируйте наблюдения, которые находятся в наборах обучающих данных cvpartition объект для 3-кратной перекрестной проверки.

Раздел 10 наблюдений для 3-кратной перекрестной проверки. Заметьте, что c содержит три повторения обучения и тестовых данных.

rng('default') % For reproducibility
c = cvpartition(10,'KFold',3)
c = 
K-fold cross validation partition
   NumObservations: 10
       NumTestSets: 3
         TrainSize: 7  6  7
          TestSize: 3  4  3

Идентифицируйте наблюдения набора обучающих данных для каждого повторения обучения и тестовых данных. Наблюдения, которые соответствуют 1 с, находятся в соответствующем наборе обучающих данных.

set1 = training(c,1)
set1 = 10x1 logical array

   0
   0
   1
   1
   1
   1
   1
   1
   0
   1

set2 = training(c,2);
set3 = training(c,3);

Визуализируйте результаты. Все наблюдения кроме первого, второго, и девятый находятся в первом наборе обучающих данных. Все наблюдения кроме третьего, шестого, восьмого, и десятый находятся во втором наборе обучающих данных. Все наблюдения кроме четвертого, пятого, и седьмой находятся в третьем наборе обучающих данных.

data = [set1,set2,set3];
h = heatmap(double(data),'ColorbarVisible','off');
sorty(h,{'1','2','3'},'ascend')
xlabel('Repetition')
ylabel('Observation')
title('Training Set Observations')

Figure contains an object of type heatmap. The chart of type heatmap has title Training Set Observations.

Входные параметры

свернуть все

Раздел валидации в виде cvpartition объект. Тип раздела валидации cC., 'kfold', 'holdout', 'leaveout', или 'resubstitution'.

Индекс повторения в виде положительного целочисленного скаляра. Определение i указывает, чтобы найти наблюдения в iнабор обучающих данных th.

Типы данных: single | double

Выходные аргументы

свернуть все

Индексы для наблюдений набора обучающих данных, возвращенных как логический вектор. Значение 1 указывает, что соответствующее наблюдение находится в наборе обучающих данных. Значение 0 указывает, что соответствующее наблюдение находится в наборе тестов.

Смотрите также

|

Введенный в R2008a
Для просмотра документации необходимо авторизоваться на сайте