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 name-value

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

Скрипт Open Live Script

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'.

Документация