training

홀드아웃 검증을 위해 cvpartition 객체의 훈련 세트에 있는 관측값을 식별합니다.

홀드아웃 검증을 위해 10개의 관측값을 분할합니다. 검정(홀드아웃) 세트에 포함할 관측값의 약 30%를 선택합니다.

rng('default') % For reproducibility
c = cvpartition(10,'Holdout',0.30)

c = 
Hold-out cross validation partition
   NumObservations: 10
       NumTestSets: 1
         TrainSize: 7
          TestSize: 3
          IsCustom: 0

훈련 세트 관측값을 식별합니다. 1에 대응되는 관측값은 훈련 세트에 있습니다.

set = training(c)

set = 10x1 logical array

   1
   1
   1
   0
   1
   1
   1
   1
   0
   0

결과를 시각화합니다. 네 번째, 아홉 번째, 열 번째를 제외한 모든 관측값은 훈련 세트에 있습니다.

h = heatmap(double(set),'ColorbarVisible','off');
sorty(h,'1','ascend')
ylabel('Observation')
title('Training Set Observations')

3겹 교차 검증을 위해 cvpartition 객체의 훈련 세트에 있는 관측값을 식별합니다.

3겹 교차 검증을 위해 10개의 관측값을 분할합니다. c에는 훈련 및 검정 데이터의 반복이 3개 포함되어 있습니다.

rng("default") % For reproducibility
c = cvpartition(10,"KFold",3)

c = 
K-fold cross validation partition
   NumObservations: 10
       NumTestSets: 3
         TrainSize: 7  6  7
          TestSize: 3  4  3
          IsCustom: 0

훈련 및 검정 데이터의 각 반복에 대한 훈련 세트 관측값을 식별합니다. 1에 대응되는 관측값은 대응하는 훈련 세트에 있습니다.

data = training(c,"all")

data = 10x3 logical array

   0   1   1
   0   1   1
   1   0   1
   1   1   0
   1   1   0
   1   0   1
   1   1   0
   1   0   1
   0   1   1
   1   0   1

결과를 시각화합니다. 첫 번째, 두 번째, 아홉 번째를 제외한 모든 관측값은 첫 번째 훈련 세트에 있습니다. 세 번째, 여섯 번째, 여덟 번째, 열 번째를 제외한 모든 관측값은 두 번째 훈련 세트에 있습니다. 네 번째, 다섯 번째, 일곱 번째를 제외한 모든 관측값은 세 번째 훈련 세트에 있습니다.

h = heatmap(double(data),"ColorbarVisible","off");
sorty(h,["1","2","3"],"ascend")
xlabel("Repetition")
ylabel("Observation")
title("Training Set Observations")