懒人式matlab的交叉检验用法

模型训练经常要采用交叉检验或者蒙特卡罗的训练方法,matlab常用的是crossvalind。其实已经很简单，这里想再偷懒一点，将crossvalind包装一下,将训练数据和测试数据直接放到cell结构，这样，只要告诉下面的函数，训练数据和分组数目，就直接返回分组后的结果

function [XTrainData,YTrainData,XTestData,YTestData,indices] = easyCrossvalidation(X,y,fold)
% 调用matlab的crossvalind，将数据集做交叉检验划分
% X --每行为一个样本，y---列向量，fold----数据等分为几组
%XTrainData cell 类型 XTrainData{i}表示第i个分组的训练数据X,下面的类似
%YTrainData y训练数据
%XTestData  X测试数据
%YTestData  y测试数据
%indices指示了数据划分到那一组里面
[m,n] = size(X);
indices = crossvalind('Kfold', m, fold); 
for i= 1:1:fold
    test = (indices == i);
    train = ~test;
    XTrainData{i} = X(train, :);
    XTestData{i} = X(test, :);
    YTrainData{i} = y(train, :);
    YTestData{i} = y(test, :);
end
end

例子,分组数目为10

X = rand(80,80);
y = rand(80,1);
[XTrainData,YTrainData,XTestData,YTestData,indices] = easyCrossvalidation(X,y,10)
%取第5个分组的数据
%XTrainData{5},YTrainData{5},XTestData{5},YTestData{5}

在内存上会引起一点浪费，因为本质上，crossvalind是通过样本序号，得到每一个分组的样本组成，所以不会占用多少空间。而上面这个函数已经将数据按照分组给划分好，因此占用的空间会比较多，不过操作上，感觉还是方便了一些，直观一些。