Exponenta Banner
exponenta event banner

crossval

Класс: ClassificationTree

Дерево решений с перекрестной проверкой

развернуть все на странице

Синтаксис

cvmodel = crossval(model)
cvmodel = crossval(model,Name,Value)

Описание

cvmodel = crossval(model) создает секционированную модель из model, соответствующее дерево классификации. По умолчанию crossval использует 10-кратную перекрестную проверку данных обучения для создания cvmodel.

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

Входные аргументы

развернуть все

model

классификационная модель, изготовленная с использованием fitctree.

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.

Раздел перекрестной проверки, указанный как разделенная запятыми пара, состоящая из 'CVPartition' и cvpartition объект, созданный cvpartition функция. crossval разбивает данные на подмножества с помощью cvpartition.

Одновременно используйте только одну из следующих четырех опций: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Доля данных, используемых для проверки удержания, указанная как пара, разделенная запятыми, состоящая из 'Holdout' и скалярное значение в диапазоне (0,1).

Одновременно используйте только одну из следующих четырех опций: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'Holdout',0.3

Типы данных: single | double

Количество сгибов для использования в модели с перекрестной проверкой, указанной как пара, разделенная запятыми, состоящая из 'KFold' и положительное целое значение больше 1.

Одновременно используйте только одну из следующих четырех опций: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'KFold',3

Типы данных: single | double

Флаг перекрестной проверки, определяемый как разделенная запятыми пара, состоящая из 'Leaveout' и 'on' или 'off'. Отказ от отпуска является особым случаем 'KFold' в котором число складок равно количеству наблюдений.

Одновременно используйте только одну из следующих четырех опций: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'Leaveout','on'

Выходные аргументы

развернуть все

Секционированная модель, возвращенная как ClassificationPartitionedModel объект.

Примеры

развернуть все

Открыть сценарий в реальном времени

Создайте классификационную модель для данных ионосферы, затем создайте модель перекрестной проверки. Оценка качества модели с помощью kfoldLoss.

load ionosphere
tree = fitctree(X,Y);
cvmodel = crossval(tree);
L = kfoldLoss(cvmodel)
L = 0.1083

Совет

  • Оценить прогностическую эффективность model о данных с перекрестной проверкой с использованием методов «kfold» и свойств cvmodel, такие как kfoldLoss.

Альтернативы

Можно создать дерево перекрестной проверки непосредственно из данных, а не дерево принятия решений, за которым следует дерево перекрестной проверки. Для этого включите один из этих пяти вариантов в fitctree: 'CrossVal', 'KFold', 'Holdout', 'Leaveout', или 'CVPartition'.

См. также

|

Документация по инструментам для статистического и машинного обучения

Поддержка