matlab 交叉验证 代码,MATLAB：10倍交叉验证,不使用现有功能

以下是我对此交叉验证的看法.我使用魔法创建虚拟数据(10)我也随机创建标签.想法如下,我们得到我们的数据和标签,并将它们与随机列结合起来.考虑遵循虚拟代码.

>> data = magic(4)

data =

16 2 3 13

5 11 10 8

9 7 6 12

4 14 15 1

>> dataRowNumber = size(data,1)

dataRowNumber =

4

>> randomColumn = rand(dataRowNumber,1)

randomColumn =

0.8147

0.9058

0.1270

0.9134

>> X = [ randomColumn data]

X =

0.8147 16.0000 2.0000 3.0000 13.0000

0.9058 5.0000 11.0000 10.0000 8.0000

0.1270 9.0000 7.0000 6.0000 12.0000

0.9134 4.0000 14.0000 15.0000 1.0000

如果我们根据第1列对X进行排序,我们会随机排序数据.这将为我们提供交叉验证随机性.接下来就是根据交叉验证百分比划分X.一个案例很容易实现这一点.让我们考虑你的百分比是火车案例,％百分比是测试案例.我们这里的大小是4,然后3/4 = u和1/4是％.

testDataset = X(1,:)

trainDataset = X(2:4,:)

但是对于N交叉褶皱来说,实现这一点要困难得多.因为我们需要做N次.对于循环是必要的.适用于5个交叉折叠.我得到了,在第一个f

>第1折：1 2用于测试,3：10用于火车

>第二次折叠：3 4用于测试,1 2 5:10用于火车

>第3折：5 6为测试,1：4 7:10为火车

>第4折：7 8为测试,1：6 9:10为火车

>第5折：9 10为测试,1：8为火车

以下代码是此过程的示例：

data = magic(10);

dataRowNumber = size(data,1);

labels= rand(dataRowNumber,1) > 0.5;

randomColumn = rand(dataRowNumber,1);

X = [ randomColumn data labels];

SortedData = sort(X,1);

crossValidationFolds = 5;

numberOfRowsPerFold = dataRowNumber / crossValidationFolds;

crossValidationTrainData = [];

crossValidationTestData = [];

for startOfRow = 1:numberOfRowsPerFold:dataRowNumber

testRows = startOfRow:startOfRow+numberOfRowsPerFold-1;

if (startOfRow == 1)

trainRows = [max(testRows)+1:dataRowNumber];

else

trainRows = [1:startOfRow-1 max(testRows)+1:dataRowNumber];

end

crossValidationTrainData = [crossValidationTrainData ; SortedData(trainRows ,:)];

crossValidationTestData = [crossValidationTestData ;SortedData(testRows ,:)];

end