我有一个数据集，其中列对应于特征（预测变量），行对应于数据点。数据点以结构化方式提取，即它们被排序。我将使用 Matlab 中的 crossvalind 或 cvpartition 进行分层交叉验证。
如果我使用上面的功能，我还需要先随机重新排列数据点（行）吗？
【问题讨论】：
crossvalind 或 cvpartition 将为您随机打乱您的数据。如果您阅读每一页文档的开头，则会出现 random 一词。
标签： matlab machine-learning cross-validation
这些函数会在内部对您的数据进行洗牌，如您在文档中所见
Indices = crossvalind('Kfold', N, K) 返回随机生成的索引，用于对 N 个观测值进行 K 折交叉验证。索引包含整数 1 到 K 的相等（或近似相等）比例，这些整数将 N 个观测值划分为 K 个不相交的子集。 重复调用会返回不同的随机生成的分区。 K 在省略时默认为 5。在 K 折交叉验证中，K-1 折用于训练，最后一个折用于评估。这个过程重复K次，每次都留下一个不同的折叠进行评估。
但是，如果您的数据在这个意义上是结构化的，那么该对象 i 有一些关于对象 i+1 的信息，那么您应该考虑不同类型的拆分。例如 - 如果您的数据实际上是（本地）时间序列，则典型的随机 cv 不是有效的估计技术。为什么？因为如果您的数据实际上包含集群，其中知道至少一个元素的值 - 给您估计剩余元素的高概率，那么在应用 CV 后您最终将获得的实际上是对这样做的能力的估计 - 预测 在这些集群中。因此，如果在您的模型的实际实际使用中，您希望获得全新的集群 - 您选择的模型可以在那里完全随机。换句话说 - 如果您的数据具有某种内部集群结构（或时间序列），您的拆分应该通过拆分集群来涵盖此功能（因此，您有 K 个随机集群拆分，而不是 K 个随机点拆分，依此类推）。
【讨论】：