Exponenta Banner
exponenta event banner

crossval

Класс: ClassificationTree

Перекрестная проверка дерева решений

развернуть все на странице

Синтаксис

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

Описание

cvmodel = crossval(model) создает секционированную модель из model, установленное классификационное дерево. По умолчанию crossval использует 10-кратную перекрестную валидацию обучающих данных для создания cvmodel.

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

Входные параметры

расширить все

model

Классификационная модель, полученная с использованием fitctree.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Раздел перекрестной проверки, заданный как разделенная разделенными запятой парами, состоящая из 'CVPartition' и a cvpartition объект, созданный cvpartition функция. crossval разделяет данные на подмножества с cvpartition.

Используйте только один из этих четырёх опций за раз: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Доля данных, используемых для валидации типа «holdout», заданная как разделенная разделенными запятой парами, состоящая из 'Holdout' и скалярное значение в области значений (0,1).

Используйте только один из этих четырёх опций за раз: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'Holdout',0.3

Типы данных: single | double

Количество складок для использования в перекрестно-проверенной модели, заданное как разделенная разделенными запятой парами, состоящая из 'KFold' и положительное целое значение, больше 1.

Используйте только один из этих четырёх опций за раз: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'KFold',3

Типы данных: single | double

Выходной флаг перекрестной проверки, заданный как разделенная разделенными запятой парами, состоящая из 'Leaveout' и 'on' или 'off'. Leave-one-out является частным случаем 'KFold' в котором количество складок равняется количеству наблюдений.

Используйте только один из этих четырёх опций за раз: 'CVPartition', 'Holdout', 'KFold', или 'Leaveout'.

Пример: 'Leaveout','on'

Выходные аргументы

расширить все

Секционированная модель, возвращенная как ClassificationPartitionedModel объект.

Примеры

расширить все

Открыть Live Script

Создайте классификационную модель для данных ионосферы, а затем создайте модель перекрестной валидации. Оцените качество модели с помощью kfoldLoss.

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

Совет

  • Оцените прогнозирующую эффективность model на перекрестно проверенных данных с использованием «kfold» методов и свойств cvmodel, таких как kfoldLoss.

Альтернативы

Можно создать дерево перекрестной проверки непосредственно из данных вместо создания дерева решений, за которым следует дерево перекрестной проверки. Для этого включите один из этих пяти опций в fitctree: 'CrossVal', 'KFold', 'Holdout', 'Leaveout', или 'CVPartition'.

См. также

|

Statistics and Machine Learning Toolbox документация

Поддержка