十字交叉验证matlab代码

十字交叉验证（Cross Validation）是一种常用的模型评估方法，可以用于评估机器学习模型的性能。下面是一个简单的十字交叉验证的MATLAB代码示例：

% 假设你已经有了数据集 X 和标签 y

% 设置十字交叉验证的折数
k = 10;

% 获取数据集的样本数量
n = size(X, 1);

% 计算每个折的样本数量
foldSize = floor(n / k);

% 随机打乱数据集的顺序
idx = randperm(n);
X = X(idx, :);
y = y(idx);

% 初始化性能指标数组
accuracy = zeros(k, 1);
precision = zeros(k, 1);
recall = zeros(k, 1);
f1score = zeros(k, 1);

% 进行十字交叉验证
for i = 1:k
    % 划分训练集和测试集
    testIdx = (i-1)*foldSize+1 : i*foldSize;
    trainIdx = setdiff(1:n, testIdx);
    X_train = X(trainIdx, :);
    y_train = y(trainIdx);
    X_test = X(testIdx, :);
    y_test = y(testIdx);
    
    % 在训练集上训练模型
    
    % 在测试集上进行预测
    
    % 计算性能指标
    
    % 将性能指标保存到数组中
    accuracy(i) = acc;
    precision(i) = prec;
    recall(i) = rec;
    f1score(i) = f1;
end

% 计算平均性能指标
avgAccuracy = mean(accuracy);
avgPrecision = mean(precision);
avgRecall = mean(recall);
avgF1score = mean(f1score);

% 输出平均性能指标
disp(['平均准确率：', num2str(avgAccuracy)]);
disp(['平均精确率：', num2str(avgPrecision)]);
disp(['平均召回率：', num2str(avgRecall)]);
disp(['平均F1得分：', num2str(avgF1score)]);

这段代码实现了一个简单的十字交叉验证过程，其中包括数据集的划分、模型的训练和测试、性能指标的计算以及最后的结果输出。你可以根据自己的需求修改和扩展这段代码。