exponenta event banner

обучение

Учебные индексы для перекрестной проверки

Описание

пример

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

  • Если c.Type является 'holdout', то idx указывает наблюдения в обучающем наборе.

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

пример

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

  • Если c.Type является 'kfold', то idx указывает наблюдения в iТретий тренировочный комплект.

  • Если c.Type является 'leaveout', то idx указывает наблюдения, зарезервированные для обучения при повторении i.

Примеры

свернуть все

Определение наблюдений, содержащихся в обучающем наборе cvpartition объект для проверки удержания.

Наблюдения раздела 10 для проверки удержания. Выберите приблизительно 30% наблюдений, которые должны быть в наборе тестов (holdout).

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

Определите наблюдения обучающего набора. Наблюдения, соответствующие 1, находятся в обучающем наборе.

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

   1
   1
   1
   0
   1
   1
   1
   1
   0
   0

Визуализация результатов. Все наблюдения, кроме четвертого, девятого и десятого, находятся в тренировочном наборе.

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.

Определение наблюдений, содержащихся в учебных наборах cvpartition объект для трехкратной перекрестной проверки.

Раздел 10 наблюдения для трехкратной перекрестной проверки. Обратите внимание, что c содержит три повторения обучающих 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

Определение наблюдений обучающего набора для каждого повторения обучающих и тестовых данных. Наблюдения, соответствующие 1, находятся в соответствующем обучающем наборе.

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);

Визуализация результатов. Все наблюдения, кроме первого, второго и девятого, находятся в первом тренировочном наборе. Все наблюдения, кроме третьего, шестого, восьмого и десятого, находятся во втором тренировочном наборе. Все наблюдения, кроме четвертого, пятого и седьмого, находятся в третьем тренировочном наборе.

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 аргументы

свернуть все

Раздел проверки, указанный как cvpartition объект. Тип секции проверки c, c.Typeявляется 'kfold', 'holdout', 'leaveout', или 'resubstitution'.

Индекс повторения, заданный как положительный целочисленный скаляр. Определение i указывает на поиск наблюдений в iТретий тренировочный комплект.

Типы данных: single | double

Выходные аргументы

свернуть все

Индексы для наблюдений обучающего набора, возвращаемые как логический вектор. Значение 1 указывает, что соответствующее наблюдение находится в обучающем наборе. Значение 0 указывает, что соответствующее наблюдение находится в тестовом наборе.

См. также

|

Представлен в R2008a