matlab读取西瓜数据集_基于留一交叉验证法将眼动数据划分训练集与测试集---Matlab实现...-CSDN博客

留一交叉定义：

关于详细的定义，参考CSDN博主介绍：

https://blog.csdn.net/u010451580/article/details/51373081

简单说来，留一交叉，就是每次只留下一个样本做测试集，其它样本做训练集，如果有k个样本，则需要训练k次，测试k次。故当用算法进行验证时，需要生成k个训练集，和对应的k个测试集。

训练集与测试集的形式

1.关于label:采用有监督训练的方法，除了要生成对应的训练集之外，还要生成对应的标签，标签需用特定的数字来表示，例如，假如我们要对狗和猫进行图片识别，那么在标签中，可以定义“狗”为1，“猫”为2。

2.关于高维特征处理，继上次眼动数据预处理

半吊子老司机：基于Tobii pro lab眼动数据预处理zhuanlan.zhihu.com

之后，每个人的特征为一个62×4×17的高维矩阵，在生成训练集时，我们首先要利用reshape语句将每个人的特征平铺为两维矩阵，即:

生成方法：

首先将每一个样本单独拆分，作为一个原始测试集，然后利用赋值语句首先原始样本集赋值给一个临时变量，将作为测试集所在行置空，例如，原始的数据集存放在data中，我们选择sample1作为test1,临时变量命名为s，那么：

teat1=data(1,:);

s=data;

s(1,:)=[];

train1=s;

这样利用迭代就可以生成原始训练集与测试集。

训练集差异性特征选取：

1.标准化：生成原始的训练集之后，首先要根据对特征的类型对每一种特征的数据进行标准化，标准化利用zscore函数，标准化的数据均值为0，标准差为1，但注意需要限制标准化行或者列，例如sample1共有17个特征，每个特征都是62×4的矩阵，当我们将其作为训练集时，已经将特征reshape为1行62×4×17列的矩阵，那么我们进行标准化时，应该一次选择62×4列进行标准化，通过迭代，需要标准化17次。

2．差异性检验：对所有特征进行标准化之后，需要根据label类型将训练集划分为p个group,p代表label类型个数，独立样本T检验要求作对比的group1与group2服从高斯分布，因此我们首先对group1和group2进行高斯分布检测，如果有一组不满足则对其进行非参数检验，如果两组都满足高斯分布，则需要对两组数据进行方差齐次性检验，如果方差不等，则需要对其进行校正，如何方差相等，则进行独立样本t检验。

3.提取有差异的特征，group1与group2进行逐列的检验之后，将检验结果存储为一个矩阵中，命名为result.mat,有差异为1，无差异为0，利用find函数将result中值为1对应的行与列找出，并对应原始训练集和测试集的行与列，提取有差异的特征进行最终训练集与测试集的定义。

训练集与测试集导出

利用chr=[num2str(i),'-train_data.mat'];

save(chr1,'train_data');语句将训练集/测试集存取，其中num2str(i)，i表示第i个训练集/测试集。