crossval

Ансамбль перекрестной проверки

Синтаксис

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

Описание

cvens = crossval(ens) создает перекрестно проверенный ансамбль из ens, классификационный ансамбль. По умолчанию используется десятикратная перекрестная проверка.

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

Входные аргументы

ens

Классификационный ансамбль, созданный с помощью fitcensemble.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

`'cvpartition'`	Раздел класса `cvpartition`. Задает раздел для перекрестной проверки. Использовать не более одной пары имя-значение `cvpartition`, `holdout`, `kfold`, или `leaveout`.
`'holdout'`	Проверка отсутствия проверяет указанную часть данных и использует остальные данные для обучения. Укажите числовой скаляр из `0` кому `1`. Для создания дерева с перекрестной проверкой можно одновременно использовать только одну из следующих четырех опций: `'kfold'`, `'holdout'`, `'leaveout'`, или `'cvpartition'`.
`'kfold'`	Количество складок для перекрестной проверки, числовой положительный скаляр больше 1. Использовать не более одной пары имя-значение `'kfold'`, `'holdout'`, `'leaveout'`, или `'cvpartition'`.
`'leaveout'`	Если `'on'`, используйте перекрестную проверку «оставить один». Использовать не более одной пары имя-значение `'kfold'`, `'holdout'`, `'leaveout'`, или `'cvpartition'`.
`'nprint'`	Частота печати, положительный целочисленный скаляр. Этот параметр используется для наблюдения за обучением складкам перекрестной проверки. По умолчанию: `'off'`, что означает отсутствие распечатки

Выходные аргументы

cvens

Перекрестно проверенный классификационный ансамбль класса ClassificationPartitionedEnsemble.

Примеры

развернуть все

Перекрестная проверка классификационного ансамбля

Открыть сценарий в реальном времени

Создайте перекрестно проверенную модель классификации для данных радужки Фишера и оцените ее качество с помощью kfoldLoss способ.

Загрузите набор данных радужки Фишера.

load fisheriris

Обучение ансамбля из 100 усиленных деревьев классификации с помощью AdaBoostM2.

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
ens = fitcensemble(meas,species,'Method','AdaBoostM2','Learners',t);

Создание перекрестно проверенного ансамбля из ens и найти ошибку классификации, усредненную по всем складкам.

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

L = 0.0533

Альтернативы

Вместо создания ансамбля, за которым следует ансамбль перекрестной проверки, можно создать ансамбль перекрестной проверки непосредственно из данных. Для этого включите один из этих пяти вариантов в fitcensemble: 'crossval', 'kfold', 'holdout', 'leaveout', или 'cvpartition'.

См. также

ClassificationPartitionedEnsemble | cvpartition

Документация