Matlab 交叉验证和 K-NN
Matlab cross validation and K-NN
我正在尝试在 Matlab 中构建一个带有交叉验证的 knn 分类器。由于我的 MATLAB 版本，我使用 knnclassify() 来构建分类器 (classKNN = knnclassify (sample_test, sample_training, training_label))。
我无法使用 crossval()。
提前致谢。
有两种方法可以在Matlab中执行K-最近邻。第一个是像您一样使用 knnclassify() 。但是，此函数将 return 预测标签，您不能将 crossval() 与此一起使用。交叉验证是在模型上执行的，而不是在其结果上执行的。在 Matlab 中，模型由 object 描述。
crossval() 仅适用于对象（分类器对象，无论是 K-NN、SVM 等等......）。为了创建所谓的最近邻分类对象，您需要使用fitcknn() 函数。给定训练集和训练标签作为输入（按此顺序），这样的函数将 return 你的对象，你可以在 crossval().
中将其作为输入
不过只剩下一件事了：如何预测验证集的标签？为此，您需要使用 predict() 函数。给定模型（kNN 对象）和验证集作为输入（再次按此顺序），此类函数将 return（如 knnclassify()）预测标签向量。
我正在尝试在 Matlab 中构建一个带有交叉验证的 knn 分类器。由于我的 MATLAB 版本，我使用 knnclassify() 来构建分类器 (classKNN = knnclassify (sample_test, sample_training, training_label))。
我无法使用 crossval()。
提前致谢。
有两种方法可以在Matlab中执行K-最近邻。第一个是像您一样使用 knnclassify() 。但是，此函数将 return 预测标签，您不能将 crossval() 与此一起使用。交叉验证是在模型上执行的，而不是在其结果上执行的。在 Matlab 中，模型由 object 描述。
crossval() 仅适用于对象（分类器对象，无论是 K-NN、SVM 等等......）。为了创建所谓的最近邻分类对象，您需要使用fitcknn() 函数。给定训练集和训练标签作为输入（按此顺序），这样的函数将 return 你的对象，你可以在 crossval().
中将其作为输入
不过只剩下一件事了：如何预测验证集的标签？为此，您需要使用 predict() 函数。给定模型（kNN 对象）和验证集作为输入（再次按此顺序），此类函数将 return（如 knnclassify()）预测标签向量。