matlab 交叉验证 代码,交叉验证(Cross Validation)方法思想简介

本帖最后由 azure_sky 于 2014-1-17 00:30 编辑

2).K-fold Cross Validation(记为K-CV)

将原始数据分成K组(一般是均分),将每个子集数据分别做一次验证集,其余的K-1组子集数据作为训练集,这样会得到K个模型,用这K个模型最终的验证集的分类准确率的平均数作为此K-CV下分类器的性能指标.K一般大于等于2,实际操作时一般从3开始取,只有在原始数据集合数据量小的时候才会尝试取2.K-CV可以有效的避免过学习以及欠学习状态的发生,最后得到的结果也比较具有说服性.

--------------------------------------------我是分界线------------------------------------------------------------------------------------

关于交叉验证K-FOLD我有几个问题：

1) 假设是4-fold的交叉验证，需要跑四次SVM，有四个model。我想问，他们的SVM 的参数，比如c和g设置相同么？

2) k-fold CV经常被用作参数选取。这个最佳参数是怎么得到的。

每个model会得到一个c和g的参数

然后对这k个参数加权平均么？

还是说，在进行k-fold cv时，所有模型使用相同的c和g参数。

3)关于k-fold的用法。 我常见的一种情况是，有训练数据traindata和测试数据testdata

在traindata上跑交叉验证，选取最佳参数，然后在testdata上进行预测。

现在的情况是，我只有traindata，我想要用k-fold交叉验证在traindata。我关心的不是准确率，而是具体的预测值。

我知道l