La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

training

Índices de entrenamiento para la validación cruzada

Sintaxis

idx = training(c)

idx = training(c,i)

idx = training(c,"all")

Descripción

idx = training(c) devuelve los índices de entrenamiento idx para un objeto cvpartition c de tipo 'holdout' o 'resubstitution'.

• Si c.Type es 'holdout', idx especifica las observaciones del conjunto de entrenamiento.

• Si c.Type es 'resubstitution', idx especifica todas las observaciones.

idx = training(c,i) devuelve los índices de entrenamiento de las repeticiones especificadas en i de un objeto cvpartition c de tipo 'kfold' o 'leaveout'.

• Si c.Type es 'kfold', idx(:,j) especifica las observaciones del conjunto de entrenamiento i(j).

• Si c.Type es 'leaveout', idx(:,j) especifica las observaciones reservadas para el entrenamiento en la repetición i(j).

idx = training(c,"all") devuelve los índices de entrenamiento de todas las repeticiones de un objeto cvpartition c. La columna j en idx indica las observaciones del conjunto de entrenamiento j para un objeto de tipo 'kfold' o 'leaveout'. (desde R2023b)

Ejemplos

Identificar los índices de entrenamiento en una partición de retención

Identifique las observaciones que se encuentran en el conjunto de entrenamiento de un objeto cvpartition para la validación por retención.

Realice una partición de 10 observaciones para la validación por retención. Seleccione aproximadamente el 30% de las observaciones que se incluirán en el conjunto de prueba (retención).

rng('default') % For reproducibility
c = cvpartition(10,'Holdout',0.30)

c = 
Hold-out cross validation partition
   NumObservations: 10
       NumTestSets: 1
         TrainSize: 7
          TestSize: 3
          IsCustom: 0

Identifique las observaciones del conjunto de entrenamiento. Las observaciones que corresponden a valores 1 están en el conjunto de entrenamiento.

set = training(c)

set = 10x1 logical array

   1
   1
   1
   0
   1
   1
   1
   1
   0
   0

Visualice los resultados. Todas las observaciones excepto la cuarta, la novena y la décima están en el conjunto de entrenamiento.

h = heatmap(double(set),'ColorbarVisible','off');
sorty(h,'1','ascend')
ylabel('Observation')
title('Training Set Observations')

Identificar índices de entrenamiento en una partición de k particiones

Identifique las observaciones que se encuentran en los conjuntos de entrenamiento de un objeto cvpartition para la validación cruzada de 3 particiones.

Realice una partición de 10 observaciones para la validación cruzada de 3 particiones. Tenga en cuenta que c contiene tres repeticiones de datos de entrenamiento y de prueba.

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
          IsCustom: 0

Identifique las observaciones del conjunto de entrenamiento para cada repetición de datos de entrenamiento y de prueba. Las observaciones que corresponden a valores 1 están en el conjunto de entrenamiento correspondiente.

data = training(c,"all")

data = 10x3 logical array

   0   1   1
   0   1   1
   1   0   1
   1   1   0
   1   1   0
   1   0   1
   1   1   0
   1   0   1
   0   1   1
   1   0   1

Visualice los resultados. Todas las observaciones excepto la primera, la segunda y la novena están en el primer conjunto de entrenamiento. Todas las observaciones excepto la tercera, la sexta y la octava están en el segundo conjunto de entrenamiento. Todas las observaciones excepto la cuarta, la quinta y la séptima están en el tercer conjunto de entrenamiento.

h = heatmap(double(data),"ColorbarVisible","off");
sorty(h,["1","2","3"],"ascend")
xlabel("Repetition")
ylabel("Observation")
title("Training Set Observations")

Argumentos de entrada

c — Partición de validación

objeto cvpartition

Partición de validación, especificada como un objeto cvpartition. El tipo de partición de validación de c, c.Type, es 'kfold', 'holdout', 'leaveout' o 'resubstitution'.

i — Índices de repetición

vector de enteros positivos

Índices de repetición, especificados como un vector de enteros positivos. Para cada elemento de i, el software encuentra las observaciones en el conjunto de entrenamiento de la repetición correspondiente.

Ejemplo: 2

Ejemplo: [1 3 5]

Tipos de datos: single | double

Argumentos de salida

idx — Índices de las observaciones del conjunto de entrenamiento

matriz lógica

Índices de las observaciones del conjunto de entrenamiento, devueltos como una matriz lógica. Cada fila corresponde a una observación y cada columna corresponde a una repetición.

Un valor de 1 (true) indica que la observación correspondiente está en el conjunto de entrenamiento. Un valor de 0 (false) indica que la observación correspondiente está en el conjunto de prueba.

Historial de versiones

Introducido en R2008a

R2023b: Recuperar índices para varios conjuntos de entrenamiento o de prueba de manera simultánea

Tanto para los objetos cvpartition personalizados como para los no personalizados, puede devolver varios índices de conjuntos de entrenamiento o varios índices de conjuntos de prueba de manera simultánea mediante la función training o test, respectivamente. Por ejemplo, para una validación cruzada de 5 particiones del objeto cvpartition c:

• La sintaxis test(c,[1 3 5]) devuelve un arreglo lógico con 3 columnas, donde cada entrada 1 (true) indica una observación del conjunto de prueba. Las tres columnas corresponden a la primera, tercera y quinta repeticiones.

• La sintaxis training(c,"all") devuelve un arreglo lógico con 5 columnas, donde cada entrada 1 (true) indica una observación del conjunto de entrenamiento.

Consulte también

cvpartition | test