最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

crossval

クラス: ClassificationDiscriminant

判別分析分類器の交差検証

構文

cvmodel = crossval(obj)
cvmodel = crossval(obj,Name,Value)


説明

cvmodel = crossval(obj) は、近似された判別分析分類器である obj から分割されたモデルを作成します。既定の設定では、crossval は 学習データに 10 分割交差検証を使用して、cvmodel を作成します。

cvmodel = crossval(obj,Name,Value) は、1 つまたは複数の Name,Value ペア引数で指定される追加オプションを使用して、分割されたモデルを作成します。

入力引数

obj	fitcdiscr を使用して作成された判別分析分類器。

名前と値のペアの引数

オプションの Name,Value 引数のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を、任意の順番で指定できます。

'CVPartition'	クラス cvpartition のオブジェクトで、関数 cvpartition によって作成されます。crossval は、cvpartition を使用してデータをサブセットに分割します。 次のオプション、'CVPartition'、'Holdout'、'KFold' または 'Leaveout' のいずれか 1 つだけを使用することができます。 既定値: []
'Holdout'	ホールドアウト検定は、データの指定部分をテストし、データの残りの部分を学習に使用します。0 から 1 までの数値スカラーを指定します。次のオプション、'CVPartition'、'Holdout'、'KFold' または 'Leaveout' のいずれか 1 つだけを使用することができます。
'KFold'	交差検証済みの分類器で使用する分割の数。1 より大きい正の整数値。 次のオプション、'CVPartition'、'Holdout'、'KFold' または 'Leaveout' のいずれか 1 つだけを使用することができます。 既定値: 10
'Leaveout'	'on' を設定して、Leave-one-out 法の交差検証を指定します。 次のオプション、'CVPartition'、'Holdout'、'KFold' または 'Leaveout' のいずれか 1 つだけを使用することができます。

例

フィッシャーのアヤメのデータの分類モデルを作成した後で、交差検証済みモデルを作成します。kfoldLoss を使用してモデルの品質を評価します。

load fisheriris
obj = fitcdiscr(meas,species);
cvmodel = crossval(obj);
L = kfoldLoss(cvmodel)

L =
    0.0200

ヒント

• "kfold" メソッドおよび kfoldLoss などの cvmodel のプロパティを使用して交差検証されたデータでの obj の予測パフォーマンスを評価します。

代替方法

交差検証分類器の後に判別分析分類器を作成することなく、データから交差検証分類器を直接作成できます。それには、fitcdiscr に次のオプションの 1 つを指定します。それらは、'CrossVal'、'CVPartition'、'Holdout'、'KFold' または 'Leaveout' です。

参考

crossval | fitcdiscr | kfoldEdge | kfoldLoss | kfoldMargin | kfoldPredict | kfoldfun

トピック

• 判別分析分類