matlab - 如何在交叉验证的每一步中获得错误分类率？

Question

我目前在 matlab 中使用此语法来获得 10 折交叉验证中的错误分类率:

target = [repmat(1,ntrial,1);repmat(2,ntrial,1)];
cvo = cvpartition(target,'k',10);
func = @(XTRAIN,ytrain,XTEST)(classify(XTEST,XTRAIN,ytrain));
mcr = crossval('mcr',pooling,target,'predfun',func,'partition',cvo);

(其中“池化”是我想用分类器分类的二类特征集)

根据我的阅读，mcr 将返回 10 倍的平均错误分类率。现在如果我想从每个折叠中得到错误分类率，我应该怎么做？

提前谢谢你。

Answer 1

我想说，在这种情况下，您希望对训练/验证过程有更多的控制。您是否考虑过分解流程以获得更多控制？从 cvpartition 开始创建 10 折进行交叉验证，然后分别对每个折进行操作。