matlab k折交叉验证代码

下面是 MATLAB 中进行 K 折交叉验证的示例代码：

假设我们有一个大小为 N 的数据集 X 和对应的标签 Y。我们将使用 K=5 折交叉验证方法来评估一个支持向量机分类器的性能。代码如下：

% 假设我们已经有了样本数据 X 和标签 Y
% 首先将数据和标签随机打乱
idx = randperm(N);
X = X(idx,:);
Y = Y(idx,:);

% 设置 K 折交叉验证的参数
K = 5;
cv = cvpartition(N, 'KFold', K);

% 进行 K 次训练和测试，并计算分类器的性能指标
for i = 1:K
    % 获取当前的训练集和测试集
    trainIdx = cv.training(i);
    testIdx = cv.test(i);
    Xtrain = X(trainIdx,:);
    Ytrain = Y(trainIdx,:);
    Xtest = X(testIdx,:);
    Ytest = Y(testIdx,:);
    
    % 训练支持向量机分类器
    svm = fitcsvm(Xtrain, Ytrain);
    
    % 在测试集上进行预测，并计算分类器的性能指标
    Ypred = predict(svm, Xtest);
    accuracy(i) = sum(Ypred == Ytest) / length(Ytest);
    confusionMat{i} = confusionmat(Ytest, Ypred);
end

% 计算 K 折交叉验证的平均性能指标
meanAccuracy = mean(accuracy);
meanConfusionMat = mean(cat(3, confusionMat{:}), 3);

代码中的 `cvpartition` 函数可以用来生成 K 折交叉验证的索引。`fitcsvm` 函数可以用来训练支持向量机分类器，`predict` 函数可以用来在测试集上进行预测。最后，我们可以计算 K 次测试的平均性能指标。