代码之家 › 专栏 › 技术社区 › labalala

K-折叠交叉验证/分区模型

cross-validation machine-learning matlab

labalala · 技术社区 · 6 年前

我有一个包含41个样本和6个预测值的数据集。我用过树人对于中的分类树 Matlab 。尽管oob误差很高,但该模型准确预测了所有41个标签。

但后来我尝试使用k fold交叉验证模型,验证精度仅为41%。我对此感到困惑。

我的另一个问题是 k-fold算法 在我尝试交叉验证已构建的集成模型时工作。任何帮助都将不胜感激。

1 回复 | 直到 6 年前

Cris Luengo 6 年前

您不能在同一数据上进行训练和测试。验证毫无意义。

K-折叠交叉验证是为了防止这种情况。您可以对子集进行训练,并对其余元素进行测试。使用随机子集进行冲洗和重复,以提高验证精度(而不是分类精度)。

您不能使用k-fold交叉验证测试已经构建的分类器。这完全没有道理。

推荐文章

Emily · 将Matlab转换为python代码:索引器:索引-1超出大小为0的轴0的界限

2 年前

Y.C. · 以不同颜色打印x轴上方的y值

2 年前

dd24 · 在MATLAB中逐部分执行python程序

2 年前

fateme · MATLAB,神经网络

2 年前

Emmanuel Goldstein · 理解Matlab中相关系数公式之间的类比

2 年前

John Smith · JNA与64位libmx崩溃。所以在Linux上

2 年前

john wang · matlab使用可调用的python函数,但需要输入

2 年前

Marta · 使用*时出错-内部尺寸矩阵必须一致

6 年前

Morpheus · x*x^T的Matlab符号计算

6 年前

Lawa · 如果列中的一个元素等于零,则将整列设为零

6 年前