matlab 交叉验证代码

在MATLAB中，交叉验证是一种常用的评估模型性能并防止过拟合的技术。下面是一个简单的例子，展示了如何使用`cvpartition`函数和`fitcknn`函数进行k折交叉验证来训练K近邻分类器：

% 导入数据
data = load('your_dataset.mat'); % 替换为你的数据集文件名
X = data(:, 1:end-1); % 特征变量
y = data(:, end);   % 目标变量

% 创建交叉验证对象
cv = cvpartition(size(X, 1), 'KFold', 5); % 5折交叉验证

% 对于每一轮交叉验证
for i = 1:length(cv.test)
    % 训练集和测试集划分
    trainIdx = cv.training(i);
    testIdx = cv.test(i);
    
    % 提取训练集和测试集数据
    X_train = X(trainIdx, :);
    y_train = y(trainIdx);
    X_test = X(testIdx, :);
    y_test = y(testIdx);
    
    % 使用KNN模型
    knnModel = fitcknn(X_train, y_train, 'NumNeighbors', 3); % 可调整K值
    
    % 预测测试集
    y_pred = predict(knnModel, X_test);
    
    % 计算当前折叠的精度
    accuracy(i) = sum(y_pred == y_test) / numel(y_test);
end

% 计算平均准确率
meanAccuracy = mean(accuracy);

% 显示结果
disp("Cross-validation Accuracy: " + meanAccuracy);

请注意，这只是一个基本示例，实际应用中可能需要处理更复杂的情况，如类别不平衡、特征缩放等。同时，你需要替换`'your_dataset.mat'`为你的数据集路径。