dividerand

（即将删除）使用随机索引将目标分为三组

以后的版本中将会删除 dividerand。有关详细信息，请参阅Transition Legacy Neural Network Code to dlnetwork Workflows。

有关更新代码的建议，请参阅版本历史记录。

语法

[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio)

说明

[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio) 采用要划分的目标数、用于训练的向量比率、用于验证的向量比率和用于测试的向量比率，并返回训练索引、验证索引和测试索引。

示例

全部折叠

使用 `'dividerand'` 函数获得训练、验证和测试索引

此示例说明如何使用 dividerand 函数获得训练、验证和测试索引。

将 3000 个采样划分为 60% 用于训练，20% 用于验证，20% 用于测试。

[trainInd,valInd,testInd] = dividerand(3000,0.6,0.2,0.2)

输入参数

全部折叠

`Q` — 目标数量
标量

要划分的目标数量，指定为标量。

`trainRatio` — 训练比率
`0.7` (默认) | 标量

训练向量的比率，指定为标量。

`valRatio` — 验证比率
`0.15` (默认) | 标量

验证向量的比率，指定为标量。

`testRatio` — 测试比率
`0.15` (默认) | 标量

测试向量的比率，指定为标量。

输出参量

全部折叠

`trainInd` — 训练索引
向量

训练索引，以行向量形式返回。

`valInd` — 验证索引
向量

验证索引，以行向量形式返回。

`testInd` — 测试索引
向量

测试索引，以行向量形式返回。

详细信息

全部折叠

网络使用

以下网络属性定义在调用 train 时使用哪个数据划分函数、其参数是什么以及划分目标的哪些方面。

net.divideFcn
net.divideParam
net.divideMode

版本历史记录

在 R2008a 中推出

全部折叠

R2026a: `dividerand` 将被删除

以后的版本中将会删除 dividerand。

要了解有关神经网络的数据处理的详细信息，请参阅以下示例和主题：

有关详细信息，请参阅Transition Legacy Neural Network Code to dlnetwork Workflows。

另请参阅

dividerand

语法

说明

示例

使用 'dividerand' 函数获得训练、验证和测试索引

输入参数

Q — 目标数量 标量

trainRatio — 训练比率 0.7 (默认) | 标量

valRatio — 验证比率 0.15 (默认) | 标量

testRatio — 测试比率 0.15 (默认) | 标量

输出参量

trainInd — 训练索引 向量

valInd — 验证索引 向量

testInd — 测试索引 向量

详细信息

网络使用

版本历史记录

R2026a: dividerand 将被删除

另请参阅

主题

使用 `'dividerand'` 函数获得训练、验证和测试索引

`Q` — 目标数量
标量

`trainRatio` — 训练比率
`0.7` (默认) | 标量

`valRatio` — 验证比率
`0.15` (默认) | 标量

`testRatio` — 测试比率
`0.15` (默认) | 标量

`trainInd` — 训练索引
向量

`valInd` — 验证索引
向量

`testInd` — 测试索引
向量

R2026a: `dividerand` 将被删除