crossval
交叉验证判别分析分类器
语法
cvmodel = crossval (obj)
cvmodel = crossval (obj、名称、值)
描述
从创建分区模型cvmodel
= crossval (obj
)obj
,拟合判别分析分类器。默认情况下,crossval
在训练数据上使用10倍交叉验证来创建cvmodel
.
输入参数
|
判别分析分类器,产生使用 |
名称-值参数
指定可选参数对为Name1 = Value1,…,以=家
,在那里的名字
参数名称和价值
对应的值。名-值参数必须出现在其他参数之后,但对的顺序并不重要。
在R2021a之前,名称和值之间用逗号隔开,并括起来的名字
在报价。
|
对象的类 一次只使用其中一个选项: 默认值: |
|
坚持验证对数据的指定部分进行测试,并使用其余数据进行训练。指定数值标量 |
|
在交叉验证的分类器中使用的折叠数,大于1的正整数。 一次只使用其中一个选项: 默认值:10 |
|
设置为 一次只使用其中一个选项: |
例子
为Fisher虹膜数据创建分类模型,然后创建交叉验证模型。评估模型使用的质量kfoldLoss
.
Load fishiris obj = fitcdiscr(meas,species);cvmodel = crossval (obj);L = kfoldLoss(cvmodel
提示
评估的预测性能
obj
对交叉验证的数据使用“kfold”方法和性质cvmodel
,如kfoldLoss
.
选择
您可以直接从数据创建交叉验证分类器,而不是创建一个鉴别分析分类器,然后再创建一个交叉验证分类器。要做到这一点,请在fitcdiscr
:“CrossVal”
,“CVPartition”
,“坚持”
,“KFold”
,或“Leaveout”
.