函数crossvalind

搬运（帮助文档）+翻译+学习

学习神经网络时知道了“交叉验证”这个名词~然鹅，看懂了原理不会写代码（可能懒），最终，由度娘牵线发现matlab里自带了个相关度十分高的函数“crossvalind”，所以就学习记录一下，看能不能帮到自己~

作用：Generate cross-validation indices（生成交叉验证索引）

句法：

1、Indices = crossvalind('Kfold', N, K)：返回针对N个样本，进行K折交叉验证随机生成的索引，Indices是1~K的整数，代表K个平均（或接近平均）的子集。K的默认值为5，在 K-fold cross-validation中，K-1个子集用于训练，剩下的一个子集用于验证，重复K次（即每个子集都循环的作为验证集）。

2、[Train, Test] = crossvalind('HoldOut', N, P)：返回N个样本的逻辑索引向量，通过随机选取P*N个样本作为评测（验证）集，P∈[0,1]，默认值为0.5。

3、[Train, Test] = crossvalind('LeaveMOut', N, M)：（留一）当M是整数，返回N个样本的逻辑索引向量，通过随机选取M个样本作为验证集，M默认值为1,。在循环中使用'LeaveMOut'交叉验证不能保证不相关的评估集。 为了保证不相交的评估组，请改用“Kfold”。

4、[Train, Test] = crossvalind('Resubstitution', N, [P,Q])：返回N个样本的逻辑索引向量，随机选择P*N个样本作为验证集，Q*N个样本作为训练集，P && Q∈[0,1]，Q=1-P，默认值都为1。

剩下三个不翻译了~感觉不常用。

[...] = crossvalind(Method, Group, ...)
[...] = crossvalind(Method, Group, ..., 'Classes', C)
[...] = crossvalind(Method, Group, ..., 'Min', MinValue)

举例：

Create a 10-fold cross-validation to compute classification error.%10折交叉验证并计算分类误差load fisheriris %下载样本数据集indices = crossvalind('Kfold',species,10);%用了第一个句法，species为种类（个数）cp = classperf(species);%这里的classperf是评估分类器性能的函数for i = 1:10    test = (indices == i); train = ~test;%开始以第一个样本集为验证集，剩余的为训练集    class = classify(meas(test,:),meas(train,:),species(train,:));%用分类器测试    classperf(cp,class,test)%计算性能endcp.ErrorRateans =    0.0200Approximate a leave-one-out prediction error estimate.load carbigx = Displacement; y = Acceleration;N = length(x);sse = 0;for i = 1:100    [train,test] = crossvalind('LeaveMOut',N,1);    yhat = polyval(polyfit(x(train),y(train),2),x(test));    sse = sse + sum((yhat - y(test)).^2);endCVerr = sse / 100CVerr =    4.9750Divide cancer data 60/40 without using the 'Benign' observations. Assume groups are the true labels of the observations.labels = {'Cancer','Benign','Control'};groups = labels(ceil(rand(100,1)*3));[train,test] = crossvalind('holdout',groups,0.6,'classes',...                           {'Control','Cancer'});sum(test) % Total groups allocated for testingans =    35sum(train) % Total groups allocated for trainingans =    26

注：这里返回的都是索引，相当于是指针，指向一个样本子集，还有，示例代码中的一些函数都是matlab自己的函数，我们只要关注框架就行。