cvpartition 函数中参数'Holdout'是什么意识？

`cvpartition` 函数中的参数 `'Holdout'` 是一种数据集划分方式，用于将数据集划分成训练集和测试集。具体来说，`'Holdout'` 方式将数据集随机划分为两部分，一部分用于训练，另一部分用于测试。该参数的语法如下：

c = cvpartition(group, 'Holdout', P)

其中，`group` 表示样本所属的组，可以是一个向量、矩阵或分类变量；`'Holdout'` 表示采用随机划分的方式；`P` 表示测试集所占的比例，取值范围为 `(0, 1)`。例如，`P=0.3` 表示测试集占总数据集的 $30\%$，训练集占 $70\%$。

下面是一个示例程序：

% 加载数据
load fisheriris

% 随机划分数据集
c = cvpartition(species, 'Holdout', 0.3); % 将数据集随机划分为训练集和测试集，训练集占70%，测试集占30%
trainIdx = training(c);  % 获取训练数据集的索引
testIdx = test(c);       % 获取测试数据集的索引

trainData = meas(trainIdx,:); % 获取训练数据集
trainLabel = species(trainIdx,:); % 获取训练数据集的标签
testData = meas(testIdx,:); % 获取测试数据集
testLabel = species(testIdx,:); % 获取测试数据集的标签

在上面的例子中，我们使用 `'Holdout'` 方式将 `fisheriris` 数据集随机划分成训练集和测试集，其中测试集占 $30\%$，训练集占 $70\%$。函数返回的 `c` 是一个 `cvpartition` 对象，可以使用 `training` 和 `test` 方法获取训练集和测试集的索引。