crossval

Крест подтверждает ансамбль

Синтаксис

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

Описание

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

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

Входные параметры

ens

Ансамбль регрессии, созданный с fitrensemble.

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.

'cvpartition'

Раздел класса cvpartition. Устанавливает раздел для перекрестной проверки.

Используйте не больше, чем одну из пар "имя-значение" cvpartition, holdout, kfold, и leaveout.

'holdout'

Валидация затяжки тестирует заданную часть данных и использует остальную часть данных для обучения. Задайте числовой скаляр от 0 к 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, положительное целочисленное значение, 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', значение никакой распечатки

Выходные аргументы

cvens

Перекрестный подтвержденный ансамбль классификации класса RegressionPartitionedEnsemble.

Примеры

развернуть все

Создайте перекрестную подтвержденную модель регрессии для carsmall данные, и оценивают его качество с помощью kfoldLoss метод.

Загрузите carsmall набор данных и избранное ускорение, смещение, лошадиная сила и вес транспортного средства как предикторы.

load carsmall;
X = [Acceleration Displacement Horsepower Weight];

Обучите ансамбль регрессии.

rens = fitrensemble(X,MPG);

Создайте перекрестный подтвержденный ансамбль из rens и найдите потерю перекрестной проверки.

rng(10,'twister') % For reproducibility
cvens = crossval(rens);
L = kfoldLoss(cvens)
L = 30.3471

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 fitrensemble: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте