matlabk折交叉验证代码

MATLAB中的k折交叉验证是一种评估模型性能的方法，它将数据集分为k个子集，每次将其中一个子集作为测试集，其余子集作为训练集，然后计算模型在测试集上的误差。这个过程重复k次，最后取k次误差的平均值作为模型的性能指标。

以下是一个使用MATLAB进行k折交叉验证的示例代码：

% 加载数据
load fisheriris;
X = meas;
Y = species;

% 设置k值
k = 10;

% 初始化误差矩阵
errors = zeros(k, 1);

% k折交叉验证
for i = 1:k
    % 划分训练集和测试集
    cv = cvpartition(size(X, 1), 'KFold', k, 'Stratified', Y);
    idx = cv.test;
    X_train = X(~idx, :);
    Y_train = Y(~idx, :);
    X_test = X(idx, :);
    Y_test = Y(idx, :);

    % 训练模型
    mdl = fitctree(X_train, Y_train);

    % 预测测试集
    Y_pred = predict(mdl, X_test);

    % 计算误差
    errors(i) = sum(Y_pred ~= Y_test) / length(Y_test);
end

% 计算平均误差
mean_error = mean(errors);
disp(['平均误差： ', num2str(mean_error)]);

这段代码首先加载了鸢尾花数据集，然后设置了k值为10，接着进行了10折交叉验证。在每次迭代中，我们使用`cvpartition`函数将数据集划分为训练集和测试集，然后使用`fitctree`函数训练决策树模型，并使用`predict`函数对测试集进行预测。最后，我们计算了模型在测试集上的误差，并将其存储在误差矩阵中。在所有迭代完成后，我们计算了平均误差并输出结果。