如何在交叉验证的每一倍中获得错误分类率？

Question

我目前正在使用matlab中的这个语法来获得10倍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);

(其中的“池”是我想用分类器分类的2类功能集)

根据我所读到的，mcr将从10倍中返回平均错误分类率。现在，如果我想从每一次分类中得到错误分类率，我应该做什么？

提前谢谢你。

Answer 1

我想说，在这种情况下，您希望对培训/验证过程有更多的控制。为了更多的控制，你考虑过打破这个过程吗？从cvpartition开始，创建交叉验证的10倍，然后分别对每一折叠进行操作。