matlab交叉验证代码

在MATLAB中，交叉验证是一种常用的模型评估方法，用于确定模型在未知数据上的性能。它将数据集划分为训练集和验证集，通常采用k折交叉验证（k-fold cross-validation）的方式，将数据分为k份，依次用其中一份作为验证集，其余k-1份作为训练集。这样进行k次，每次轮换验证集，最后取平均结果以减少偶然性影响。

以下是一个简单的k折交叉验证代码示例，假设我们有一个数据集`data`，特征变量是`X`，目标变量是`y`，使用线性回归模型（`fitlm`）作为基础模型：

% 假设数据已经准备好
X = ...; % 输入特征
y = ...; % 目标变量

% 设置k值（例如5折）
k = 5;

% 创建一个验证器对象
cv = cvpartition(size(X,1), 'KFold', k);

% 初始化性能指标
loss = zeros(k, 1);

% 进行k折交叉验证
for i = 1:k
    % 提取训练集和验证集
    trainIdx = cv.training(i);
    validIdx = cv.test(i);
    
    % 训练模型
    model = fitlm(X(trainIdx,:), y(trainIdx));
    
    % 预测并计算损失
    pred = predict(model, X(validIdx,:));
    loss(i) = rmse(y(validIdx), pred); % 使用均方根误差（RMSE）作为示例
end

% 获取平均性能
meanLoss = mean(loss);

% 输出结果
fprintf('Mean validation loss: %f\n', meanLoss);