poster
2019-12-10, 16:49
经过研究，我在MATLAB中发现了两个函数来完成此任务：
统计工具箱中的cvpartition (http://www.mathworks.de/help/toolbox/stats/cvpartition.html)函数
生物信息学工具箱中的crossvalind (http://www.mathworks.de/help/toolbox/bioinfo/ref/crossvalind.html)函数
现在，我已经使用cvpartition来创建n折交叉验证子集，以及统计工具箱中的Dataset / Nominal类。所以我只是想知道两者之间的区别是什么？
回答：
扩展@Fooz先生的答案 (https://stackoverflow.com/questions/1371822/splitting-data-into-trainning-testing-datasets-in-matlab/1372934#1372934)
根据cvpartition和crossvalind的官方文档，它们看起来非常相似，但是crossvalind看起来更灵活（它允许将M留给任意M，而cvpartition仅允许留给1）。
...并非总是可以使用具有适当k值的kfold交叉验证来模拟离开M的情况（将数据拆分为k折，一次测试，对所有其他进行训练，然后对所有折进行此操作并取平均值），因为留一法是kfold的特例，其中k =观察数？
更多&回答... (https://stackoverflow.com/questions/1371822)
统计工具箱中的cvpartition (http://www.mathworks.de/help/toolbox/stats/cvpartition.html)函数
生物信息学工具箱中的crossvalind (http://www.mathworks.de/help/toolbox/bioinfo/ref/crossvalind.html)函数
现在，我已经使用cvpartition来创建n折交叉验证子集，以及统计工具箱中的Dataset / Nominal类。所以我只是想知道两者之间的区别是什么？
回答：
扩展@Fooz先生的答案 (https://stackoverflow.com/questions/1371822/splitting-data-into-trainning-testing-datasets-in-matlab/1372934#1372934)
根据cvpartition和crossvalind的官方文档，它们看起来非常相似，但是crossvalind看起来更灵活（它允许将M留给任意M，而cvpartition仅允许留给1）。
...并非总是可以使用具有适当k值的kfold交叉验证来模拟离开M的情况（将数据拆分为k折，一次测试，对所有其他进行训练，然后对所有折进行此操作并取平均值），因为留一法是kfold的特例，其中k =观察数？
更多&回答... (https://stackoverflow.com/questions/1371822)