如何在交叉验证的每个折叠中获得错误分类率？

Question

我目前在matlab中使用这种语法来获得10倍交叉验证中的错误分类率:

target = [repmat(1,ntrial,1);repmat(2,ntrial,1)];
cvo = cvpartition(target,'k',10);
func = @(XTRAIN,ytrain,XTEST)(classify(XTEST,XTRAIN,ytrain));
mcr = crossval('mcr',pooling,target,'predfun',func,'partition',cvo);

(其中'pooling'是2类功能集,我想用分类器进行分类)

根据我的阅读,mcr将平均错误分类率从10倍返回.现在,如果我想从每个折叠中获得错误分类率,我该怎么办？

先感谢您.

Answer 1

我想说，在这种情况下，您希望对培训/验证过程有更多的控制。您是否考虑过分解流程以获得更多控制？首先cvpartition创建 10 个折叠以进行交叉验证，然后分别对每个折叠进行操作。