splitlabels

查找用于根据指定比例拆分标签的索引

全页折叠

语法

idxs = splitlabels(lblsrc,p)

idxs = splitlabels(lblsrc,p,'randomized')

idxs = splitlabels(___,Name,Value)

说明

当您处理机器学习或深度学习分类问题时，若希望将数据集划分为训练集、测试集和验证集，且各集中的标签值比例保持一致，请使用此函数。

idxs = splitlabels(lblsrc,p) 会根据 p 中指定的比例或标签数量，查找将 lblsrc 中的标签进行分割的逻辑索引。

示例

idxs = splitlabels(lblsrc,p,'randomized') 将指定比例的标签值随机分配给 idxs 中的每个索引集。

示例

idxs = splitlabels(___,Name,Value) 使用名称-值参量指定额外的输入参量。例如，'UnderlyingDatastoreIndex',3 仅在组合数据存储的第三个底层数据存储中对标签进行拆分。

示例

全部折叠

元音拆分

打开实时脚本

使用 fileread 函数阅读威廉·莎士比亚的十四行诗。从文本中提取所有元音，并将它们转换为小写。

sonnets = fileread("sonnets.txt");
vowels = lower(sonnets(regexp(sonnets,"[AEIOUaeiou]")))';

统计每个元音出现的次数。

cnts = countlabels(vowels)

cnts=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a      4940     18.368 
      e      9028     33.569 
      i      4895     18.201 
      o      5710     21.232 
      u      2321     8.6302

将元音分为三个子集：训练集（每个元音包含 500 个样本）、验证集（每个元音包含 300 个样本）以及测试集（剩余样本）。在前两组中，所有元音的权重均等，但在第三组中则并非如此。

spltn = splitlabels(vowels,[500 300]);

for kj = 1:length(spltn)
    cntsn{kj} = countlabels(vowels(spltn{kj}));
end
cntsn{:}

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a       500       20   
      e       500       20   
      i       500       20   
      o       500       20   
      u       500       20

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a       300       20   
      e       300       20   
      i       300       20   
      o       300       20   
      u       300       20

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a      4140     18.083 
      e      8228      35.94 
      i      4095     17.887 
      o      4910     21.447 
      u      1521     6.6437

将元音数据划分为三部分：包含 50% 样本的训练集、包含另外 30% 样本的验证集，以及包含剩余样本的测试集。在所有三个集合中，所有元音的权重均相同。

spltp = splitlabels(vowels,[0.5 0.3]);

for kj = 1:length(spltp)
    cntsp{kj} = countlabels(vowels(spltp{kj}));
end
cntsp{:}

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a      2470     18.367 
      e      4514     33.566 
      i      2448     18.203 
      o      2855      21.23 
      u      1161     8.6333

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a      1482     18.371 
      e      2708     33.569 
      i      1468     18.198 
      o      1713     21.235 
      u       696     8.6277

ans=5×3 table
    Label    Count    Percent
    _____    _____    _______

      a       988     18.368 
      e      1806     33.575 
      i       979       18.2 
      o      1142     21.231 
      u       464     8.6261

元音和辅音的分写

打开实时脚本

使用 fileread 函数阅读威廉·莎士比亚的十四行诗。从文本中删除所有非字母字符，并将文本转换为小写。

sonnets = fileread("sonnets.txt");
letters = lower(sonnets(regexp(sonnets,"[A-z]")))';

将这些字母分为辅音和元音两类，并根据结果制作一张表格。显示该表的前几行。

type = repmat("consonant",size(letters));
type(regexp(letters',"[aeiou]")) = "vowel";

T = table(letters,type,'VariableNames',["Letter" "Type"]);
head(T)

    Letter       Type    
    ______    ___________

      t       "consonant"
      h       "consonant"
      e       "vowel"    
      s       "consonant"
      o       "vowel"    
      n       "consonant"
      n       "consonant"
      e       "vowel"

显示每个类别的实例数量。

cnt = countlabels(T,'TableVariable',"Type")

cnt=2×3 table
      Type       Count    Percent
    _________    _____    _______

    consonant    46516    63.365 
    vowel        26894    36.635

将该表分为两组，一组包含 60% 的辅音和元音，另一组包含 40%。显示每个类别的实例数量。

splt = splitlabels(T,0.6,'TableVariable',"Type");

sixty = countlabels(T(splt{1},:),'TableVariable',"Type")

sixty=2×3 table
      Type       Count    Percent
    _________    _____    _______

    consonant    27910    63.366 
    vowel        16136    36.634

forty = countlabels(T(splt{2},:),'TableVariable',"Type")

forty=2×3 table
      Type       Count    Percent
    _________    _____    _______

    consonant    18606    63.363 
    vowel        10758    36.637

将表格分为两组，一组包含每个特定字母的 60%，另一组包含 40%。请排除字母 y，它有时作为辅音，有时作为元音。显示每个类别的实例数量。

splt = splitlabels(T,0.6,'Exclude',"y");

sixti = countlabels(T(splt{1},:),'TableVariable',"Type")

sixti=2×3 table
      Type       Count    Percent
    _________    _____    _______

    consonant    26719    62.346 
    vowel        16137    37.654

forti = countlabels(T(splt{2},:),'TableVariable',"Type")

forti=2×3 table
      Type       Count    Percent
    _________    _____    _______

    consonant    17813    62.349 
    vowel        10757    37.651

将表格分成两组，每组大小相同。仅包含字母 e 和 s。将这些集合打乱顺序。

halves = splitlabels(T,0.5,'randomized','Include',["e" "s"]);

cnt = countlabels(T(halves{1},:))

cnt=2×3 table
    Letter    Count    Percent
    ______    _____    _______

      e       4514     64.385 
      s       2497     35.615

在数据存储中拆分数据

打开实时脚本

创建一个由 100 个高斯随机数组成的数据集。将其中 40 个数值标记为 A，30 个标记为 B，另外 30 个标记为 C。将数据存储在一个包含两个数据存储的组合数据存储中。第一个数据存储中包含数据，第二个数据存储中包含标签。

dsData = arrayDatastore(randn(100,1));
dsLabels = arrayDatastore([repmat("A",40,1); ...
            repmat("B",30,1); repmat("C",30,1)]);
dsDataset = combine(dsData,dsLabels);
cnt = countlabels(dsDataset,UnderlyingDatastoreIndex=2)

cnt=3×3 table
    Label    Count    Percent
    _____    _____    _______

      A       40        40   
      B       30        30   
      C       30        30

将数据集分成两部分，其中一部分包含 60% 的数值，另一部分包含剩余的数值。

splitIndices = splitlabels(dsDataset,0.6,UnderlyingDatastoreIndex=2);

dsDataset1 = subset(dsDataset,splitIndices{1});
cnt1 = countlabels(dsDataset1,UnderlyingDatastoreIndex=2)

cnt1=3×3 table
    Label    Count    Percent
    _____    _____    _______

      A       24        40   
      B       18        30   
      C       18        30

dsDataset2 = subset(dsDataset,splitIndices{2});
cnt2 = countlabels(dsDataset2,UnderlyingDatastoreIndex=2)

cnt2=3×3 table
    Label    Count    Percent
    _____    _____    _______

      A       16        40   
      B       12        30   
      C       12        30

输入参数

全部折叠

`lblsrc` — 输入标签来源
分类向量 | 字符串向量 | 逻辑向量 | 数值向量 | 元胞数组 | 表 | 数据存储 | `CombinedDatastore` 对象

输入标签来源，请从以下选项中选择其一：

一个分类向量。
字符串向量或字符向量元胞数组。
一个数值向量或由数值标量组成的元胞数组。
一个逻辑向量或由逻辑标量组成的元胞数组。
一个包含上述任一数据类型的变量的表。
一个数据存储，其 readall 函数返回上述任一数据类型。
一个 CombinedDatastore 对象，其包含一个底层数据存储，该数据存储的 readall 函数返回上述任一数据类型。在这种情况下，您必须指定包含标签值的基礎数据存储的索引。

lblsrc 必须包含可转换为具有离散类别集的向量的标签。

示例: lblsrc = categorical(["B" "C" "A" "E" "B" "A" "A" "B" "C" "A"],["A" "B" "C" "D"]) 将标签源定义为一个包含十个样本的分类向量，共有四个类别：A、B、C 和 D。

示例: lblsrc = [0 7 2 5 11 17 15 7 7 11] 将标签源创建为一个包含十个样本的数值向量。

`p` — 标签的比例或数量
整数标量 | (0, 1) 区间内的标量 | 整数向量 | 分数向量

标签的比例或数量，指定为整数标量、取值范围在 (0, 1) 之间的标量、整数向量或分数向量。

如果 p 是标量，则 splitlabels 会找到两个拆分索引集，并在 idxs 中返回一个包含两个元素的元胞数组。
- 如果 p 是一个整数，那么 idxs 的第一个元素包含一个索引向量，该向量指向每个标签类别的前 p 个值。idxs 的第二个元素包含指向每个标签类别中剩余值的索引。
- 如果 p 是 (0, 1) 范围内的一个值，且 lblsrc 在第 i 个类别中有 K_i 个元素，那么 idxs 的第一个元素包含一个索引向量，该向量指向每个标签类别中前 p × K_i 个值的索引。idxs 的第二个元素包含每个标签类别中其余值的索引。
如果 p 是一个包含 N 个形式为 p₁, p₂, …, p_N 的元素的向量，则 splitlabels 会查找 N + 1 个拆分索引集，并在 idxs 中返回一个包含 (N + 1) 个元素的元胞数组。
- 如果 p 是一个整数向量，那么 idxs 的第一个元素是一个索引向量，指向每个标签类别的前 p₁ 个值；idxs 的下一个元素包含每个标签类别的接下来的 p₂ 个值，以此类推。idxs 中的最后一个元素包含每个标签类别的剩余索引。
- 如果 p 是一个分数向量，且 lblsrc 包含 K_i 个属于第 i 类别的元素，那么 idxs 的第一个元素是一个索引向量，它将每个类别的前 p₁ × K_i 个值拼接在一起，idxs 的下一个元素包含每个标签类别的接下来 p₂ × K_i 个值，以此类推。idxs 中的最后一个元素包含每个标签类别的剩余索引。

注意

如果 p 包含分数，则其各元素之和不得大于一。
如果 p 包含若干个标签值，则其各元素之和不得大于任何一个标签类别中可用的最小标签数。

名称-值参数

全部折叠

将可选参量对组指定为 Name1=Value1,...,NameN=ValueN，其中 Name 是参量名称，Value 是对应的值。名称-值参量必须出现在其他参量之后，但对各个参量对组的顺序没有要求。

如果使用的是 R2021a 之前的版本，请使用逗号分隔每个名称和值，并用引号将 Name 引起来。

示例: 'TableVariable',"AreaCode",'Exclude',["617" "508"] 指定该函数应根据电话区号对标签进行划分，并排除来自波士顿和纳蒂克的号码。

`Include` — 应包含在索引集中的标签
标签类别的向量 | 标签类别的元胞数组

要包含在索引集中标签，指定为标签类别的向量或元胞数组。使用此参量指定的类别必须与 lblsrc 中的标签属于同一类型。向量或元胞数组中的每个类别都必须与 lblsrc 中的某个标签类别相匹配。

`Exclude` — 应从索引集中排除的标签
标签类别的向量 | 标签类别的元胞数组

要从索引集中排除的标签，指定为标签类别的向量或元胞数组。使用此参量指定的类别必须与 lblsrc 中的标签属于同一类型。向量或元胞数组中的每个类别都必须与 lblsrc 中的某个标签类别相匹配。

`TableVariable` — 待读取的表变量
第一个表变量 (默认) | 字符向量 | 字符串标量

要读取的表变量，指定为字符向量或字符串标量。如果未指定此参量，则 splitlabels 将使用第一个表变量。

`UnderlyingDatastoreIndex` — 底层数据存储索引
整数标量

底层数据存储索引，指定为一个整数标量。当 lblsrc 是一个 CombinedDatastore 对象时，此参量成立。splitlabels 统计通过 lblsrc 的 UnderlyingDatastores 属性获取的数据存储中的标签数量。

输出参量

全部折叠

`idxs` — 拆分索引
元胞数组

拆分索引，以元胞数组形式返回。

版本历史记录

在 R2021a 中推出

另请参阅

countlabels (Signal Processing Toolbox) | filenames2labels (Signal Processing Toolbox) | folders2labels (Signal Processing Toolbox)

splitlabels

语法

说明

示例

元音拆分

元音和辅音的分写

在数据存储中拆分数据

输入参数

lblsrc — 输入标签来源 分类向量 | 字符串向量 | 逻辑向量 | 数值向量 | 元胞数组 | 表 | 数据存储 | CombinedDatastore 对象

p — 标签的比例或数量 整数标量 | (0, 1) 区间内的标量 | 整数向量 | 分数向量

名称-值参数

Include — 应包含在索引集中的标签 标签类别的向量 | 标签类别的元胞数组

Exclude — 应从索引集中排除的标签 标签类别的向量 | 标签类别的元胞数组

TableVariable — 待读取的表变量 第一个表变量 (默认) | 字符向量 | 字符串标量

UnderlyingDatastoreIndex — 底层数据存储索引 整数标量

输出参量

idxs — 拆分索引 元胞数组

版本历史记录

另请参阅

`lblsrc` — 输入标签来源
分类向量 | 字符串向量 | 逻辑向量 | 数值向量 | 元胞数组 | 表 | 数据存储 | `CombinedDatastore` 对象

`p` — 标签的比例或数量
整数标量 | (0, 1) 区间内的标量 | 整数向量 | 分数向量

`Include` — 应包含在索引集中的标签
标签类别的向量 | 标签类别的元胞数组

`Exclude` — 应从索引集中排除的标签
标签类别的向量 | 标签类别的元胞数组

`TableVariable` — 待读取的表变量
第一个表变量 (默认) | 字符向量 | 字符串标量

`UnderlyingDatastoreIndex` — 底层数据存储索引
整数标量

`idxs` — 拆分索引
元胞数组