MATLAB十折交叉验证代码

MATLAB是一种强大的数值计算和可视化工具，在机器学习中常用于模型评估。为了实现K折交叉验证（k-Fold Cross Validation），你可以使用内置函数`crossvalind`和`fitcsvm`或`fitcknn`等。这里是一个简单的例子，假设我们有一个支持向量机分类器（SVM）：

% 假设X是特征矩阵，y是标签数组
X = ...; % 输入数据
y = ...; % 类别标签

% 设置k值（通常5或10）
k = 10;

% 创建k折划分的索引
cv = crossvalind('Kfold', length(y), k);

% 初始化分类器
svmModel = fitcsvm(X, y);

% 对于每个折叠：
for i = 1:k
    % 获取训练集和测试集的索引
    trainIdx = cv ~= i;
    testIdx = cv == i;
    
    % 训练
    svmModel(i) = fitcsvm(X(trainIdx,:), y(trainIdx));
    
    % 预测并评估当前折叠的结果
    predictedLabels = predict(svmModel(i), X(testIdx,:));
    confusionMat = confusionmat(y(testIdx), predictedLabels);
    % 计算准确率或其他性能指标
    accuracy(i) = sum(diag(confusionMat))/sum(confusionMat(:));
end

% 平均准确率或使用所有折叠的结果来评估模型性能
meanAccuracy = mean(accuracy);

这只是一个基本示例，实际应用中可能需要对数据预处理、调整参数或者使用其他类型的分类器。