training
交叉验证的训练索引
说明
idx = training(c)'holdout' 或 'resubstitution' 的 cvpartition 对象 c 的训练索引 idx。
如果
c.Type是'holdout'，则idx指定训练集中的观测值。如果
c.Type为'resubstitution'，则idx指定所有观测值。
idx = training(c,i)'kfold' 或 'leaveout' 的 cvpartition 对象 c 的 i 中指定的重复试验的训练索引。
如果
c.Type是'kfold'，则idx(:,j)指定第i(j)次重复时训练集中的观测值。如果
c.Type是'leaveout'，则idx(:,j)指定保留用于第i(j)次重复时进行训练的观测值。
idx = training(c,"all")cvpartition 对象 c 的所有重复的训练索引。对于类型为 'kfold' 或 'leaveout' 的对象，idx 中的列 j 表示训练集 j 中的观测值。 (自 R2023b 起)
示例
标识 cvpartition 对象的训练集中的观测值以用于留出法验证。
对 10 个观测值进行分区以用于留出法验证。选择大约 30% 的观测值作为测试（留出法）集。
rng(0,"twister") % For reproducibility c = cvpartition(10,Holdout=0.30)
c =
Hold-out cross validation partition
NumObservations: 10
NumTestSets: 1
TrainSize: 7
TestSize: 3
IsCustom: 0
IsGrouped: 0
IsStratified: 0
Properties, Methods
标识训练集观测值。对应于 1 的观测值位于训练集中。
set = training(c)
set = 10×1 logical array
1
1
1
0
1
1
1
1
0
0
可视化结果。除了第四个、第九个和第十个观测值之外的所有观测值都在训练集中。
h = heatmap(double(set),ColorbarVisible="off"); sorty(h,"1","ascend") ylabel("Observation") title("Training Set Observations")
标识 cvpartition 对象的训练集中的观测值以用于 3 折交叉验证。
对 10 个观测值进行分区以用于 3 折交叉验证。请注意，c 包含三次重复试验的训练和测试数据。
rng(0,"twister") % For reproducibility c = cvpartition(10,KFold=3)
c =
K-fold cross validation partition
NumObservations: 10
NumTestSets: 3
TrainSize: [7 6 7]
TestSize: [3 4 3]
IsCustom: 0
IsGrouped: 0
IsStratified: 0
Properties, Methods
标识每次重复试验的训练和测试数据的训练集观测值。对应于 1 的观测值位于对应的训练集中。
data = training(c,"all")data = 10×3 logical array
0 1 1
0 1 1
1 0 1
1 1 0
1 1 0
1 0 1
1 1 0
1 0 1
0 1 1
1 0 1
可视化结果。除了第一个、第二个和第九个观测值之外的所有观测值都在第一个训练集中。除了第三个、第六个、第八个和第十个观测值之外的所有观测值都在第二个训练集中。除了第四个、第五个和第七个观测值之外的所有观测值都在第三个训练集中。
h = heatmap(double(data),ColorbarVisible="off"); sorty(h,["1","2","3"],"ascend") xlabel("Repetition") ylabel("Observation") title("Training Set Observations")
