matlab实现十折交叉法

十折交叉验证是一种常用的机器学习模型评估方法，Matlab实现可以按照以下步骤：
1. 将数据集分成10份，每份分别作为验证集，其余9份作为训练集。
2. 在每次验证中，使用一个模型对训练集进行拟合，并在验证集上进行预测。
3. 记录每次验证的预测误差，并计算平均误差。

以下是十折交叉验证的Matlab代码实现示例：

% 假设数据集为data，标签为label
k = 10; % 10折交叉验证
cv = cvpartition(length(label), 'KFold', k); % 创建10折交叉验证划分

errors = zeros(k, 1); % 存储每次验证的误差
for i = 1:k
    train_idx = cv.training(i); % 获取第i折划分的训练集索引
    test_idx = cv.test(i); % 获取第i折划分的测试集索引
    
    train_data = data(train_idx, :); % 获取第i折划分的训练集数据
    train_label = label(train_idx); % 获取第i折划分的训练集标签
    test_data = data(test_idx, :); % 获取第i折划分的测试集数据
    test_label = label(test_idx); % 获取第i折划分的测试集标签
    
    % 使用训练集拟合模型
    model = fitlm(train_data, train_label);
    
    % 对测试集进行预测
    pred_label = predict(model, test_data);
    
    % 计算误差并存储
    errors(i) = mean(abs(pred_label - test_label));
end

mean_error = mean(errors); % 计算平均误差
disp(['10-fold cross-validation error: ', num2str(mean_error)]); % 输出平均误差