交叉验证法划分训练集matlab,matlab 下交叉验证与 svm （多分类）模型的使用

笔记

下面是代码，注释一般都能看懂的。

%datas为读入的数据集 labels为读入的标签

%规范化数据

[datas_normal] = premnmx(datas) ;

%交叉验证

k =10;%预将数据分成十份

sum_accuracy_svm = 0;

[m,n] = size(datas_normal);

%交叉验证,使用十折交叉验证 Kfold

%indices为 m 行一列数据，表示每个训练样本属于k份数据的哪一份

indices = crossvalind('Kfold',m,k);

for i = 1:k

test_indic = (indices == i);

train_indic = ~test_indic;

train_datas = datas_normal(train_indic,:);%找出训练数据与标签

train_labels = labels(train_indic,:);

test_datas = datas_normal(test_indic,:);%找出测试数据与标签

test_labels = labels(test_indic,:);

% 开始svm多分类训练，fitcsvm用于二分类，fitcecoc用于多分类,

classifer = fitcecoc(train_datas,train_labels);%训练模型

predict_label = predict(classifer, test_datas);%测试

accuracy_svm = length(find(predict_label == test_labels))/length(test_labels)%准确率

sum_accuracy_svm = sum_accuracy_svm + accuracy_svm;

end

%求平均准确率

mean_accuracy_svm = sum_accuracy_svm / k;

disp('平均准确率：');

disp( mean_accuracy_svm);

以后不能吃红烧肉了,减肥ing