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
は、近似された判別分析分類器である cvmodel
= crossval(obj
)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。
は、1 つまたは複数の cvmodel
= crossval(obj
,Name,Value
)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
|
|
名前と値の引数
オプションの引数のペアを Name1=Value1,...,NameN=ValueN
として指定します。ここで Name
は引数名、Value
は対応する値です。名前と値の引数は他の引数の後ろにする必要がありますが、ペアの順序は関係ありません。
R2021a より前では、名前と値をそれぞれコンマを使って区切り、Name
を引用符で囲みます。
|
クラス 次のオプション、 既定値: |
|
ホールドアウト検証は、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。 |
|
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、 既定値: 10 |
|
次のオプション、 |
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。