Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

kfoldfun

Función de validación cruzada

Sintaxis

vals = kfoldfun(CVMdl,fun)

Descripción

vals = kfoldfun(CVMdl,fun) Cross valida la función aplicando a los datos almacenados en el modelo validado de forma cruzada.funfunCVMdl Debe pasar como un identificador de función.fun

Argumentos de entrada

CVMdl — Modelo validado con validación cruzada

ModeloClassificationPartitionedECOC | ModeloClassificationPartitionedEnsemble | ModeloClassificationPartitionedModel

Modelo validado de forma cruzada, especificado como modelo, modelo o modelo.ClassificationPartitionedECOCClassificationPartitionedEnsembleClassificationPartitionedModel

fun — Función validada cruzada

identificador de función

Función validada cruzada, especificada como un identificador de función. tiene la sintaxisfun

testvals = fun(CMP,Xtrain,Ytrain,Wtrain,Xtest,Ytest,Wtest)

• es un modelo compacto almacenado en un elemento de la propiedad.CMPCVMdl.Trained

• es la matriz de formación de los valores predictores.Xtrain

• es la matriz de entrenamiento de los valores de respuesta.Ytrain

• son los pesos de entrenamiento para las observaciones.Wtrain

• y son los datos de prueba, con pesos asociados.XtestYtestWtest

• El valor devuelto necesita el mismo tamaño en todos los pliegues.testvals

Tipos de datos: function_handle

Argumentos de salida

vals — Los resultados de validación cruzada

matriz numérica

Resultados de validación cruzada, devueltos como una matriz numérica. son las matrices de salida, concatenadas verticalmente sobre todos los pliegues.valstestvals Por ejemplo, si de cada pliegue hay un vector numérico de longitud, devuelve una matriz numérica con una fila por pliegue.testvalsNkfoldfunKFoldN

Tipos de datos: double

Ejemplos

Estimación de error de clasificación mediante una función de pérdida personalizada

Entrenar un clasificador de árbol de clasificación y, a continuación, validarlo de forma cruzada mediante una función de pérdida de plegado personalizado.k

Cargue el conjunto de datos de iris de Fisher.

load fisheriris 

Entrenar un clasificador de árbol de clasificación.

Mdl = fitctree(meas,species); 

es un modelo.MdlClassificationTree

Validación cruzada utilizando la validaciones cruzadas por defecto de 10 veces.Mdl Calcule el error de clasificación (proporción de observaciones mal clasificadas) para las observaciones no-de-Fold.

rng(1); % For reproducibility CVMdl = crossval(Mdl); L = kfoldLoss(CVMdl)

L =      0.0467

Examine el resultado cuando el costo de clasificar erróneamente una flor como es, y cualquier otro error es.'versicolor'101 Escriba una función llamada que atribuye un costo de clasificación errónea, pero para clasificar erróneamente una flor como, y guárdela en su ruta de acceso.noversicolor.m110versicolorMATLAB^®

Calcule el error medio de clasificación errónea con el costo.noversicolor

mean(kfoldfun(CVMdl,@noversicolor)) 

ans =      0.2267

Consulte también

ClassificationPartitionedECOC | ClassificationPartitionedModel | crossval | crossval | kfoldEdge | kfoldLoss | kfoldMargin | kfoldPredict