MATLAB 中的 K 折交叉验证

Question

我有 36 个用户的数据

如代码所示（MATLAB）将数据加载到一个名为Feat_Vec1的矩阵中

 clear;
  for nc = 1 : 36  % nc number of users
              % Load data into MATLAB
      data{nc} = load( sprintf('U%02d_Acc_TimeD_FreqD_FDay.mat', nc) );  

             % assign data into Matrix
      Feat_Vec1{nc} = data{nc}.Acc_TD_Feat_Vec(:,:);   

 end

对于每个用户，结果我有 36 行和 143 列，Feat_Vec1 包含 36 个单元格（用户数），每个单元格包含 36 行和 143 列

我想使用 9 折交叉验证 将我的数据集划分为训练和测试。

我看过这个documentation in MATLAB help 但不明白！ 想知道是否有人帮助我为每个用户编写 9 折交叉验证的编码？

Answer 1

我将修改您的代码，以展示如何为每个用户独立完成 9 折交叉验证。这意味着，每个用户都有自己的训练测试折叠。首先，9 折交叉验证意味着用户使用 8/9 的数据进行训练，使用 1/9 的数据进行测试。重复九次。

clear;
for nc = 1:36  % nc number of users
    % probably you don't need to save data in a cell - like data{nc}
    data = load( sprintf('U%02d_Acc_TimeD_FreqD_FDay.mat', nc));
    data = data.Acc_TD_Feat_Vec(:,:);
    ind = crossvalind('Kfold', 36, 9);
    for fold = 1:9
        Feat_Vec1_train{nc}{fold} = data(ind ~= fold, :)  
        Feat_Vec1_test{nc}{fold} = data(ind == fold, :)    
    end
end

在上面的代码中，每个用户有 9 对训练集和测试集。例如，第 3 个用户的第 8 次训练-测试对可以访问为：

Feat_Vec1_train{3}{8}
Feat_Vec1_test{3}{8}

Answer 2

对上面的代码稍作修正

clear;
for nc = 1:36  % nc number of users
    % probably you don't need to save data in a cell - like data{nc}
    data = load( sprintf('U%02d_Acc_TimeD_FreqD_FDay.mat', nc));
    data = data.Acc_TD_Feat_Vec(:,:);
    ind = crossvalind('Kfold', 36, 9);
    for fold = 1:9
        Feat_Vec1_train{nc}{fold} = data(ind ~= fold, :)  
        Feat_Vec1_test{nc}{fold} = data(ind == fold, :)    
    end
end

Answer 3

继续你的代码：

% Combine data into a single matrix:
data = []; % sorry for the dynamic allocation
for i=1:36
    data = [data; Feat_Vec1{nc}];
end

N = size(data, 1); % should be 36^2 = 1296
K = 9;
% create a vector that have K (=9) blocks of length N/K, such as [1 1 ... 1 2 2 ... 2 ... 9 9 ... 9 ]
folds = []; % again, sorry for the dynamic allocation
for i=1:K
    folds = [folds; repmat(i, N/K, 1)];
end

现在您确定了折叠指数。此时不需要将数据收集到单个矩阵中，因为我们已经知道N。但是，当在 for 循环中使用您的数据进行训练和测试时，此变量可能很有用：

accuracies = zeros(1, K);
for fold = 1:K
   testIds = find(folds==fold);
   trainIds = find(folds~=fold);
   % train your algorithm
   model = train(data(trainIds,:), label(trainIds,:), etc);
   % evaluate on the testing fold
   accuracies(fold) = test(model, data(testIds,:), label(testIds,:), etc);
end
mean(accuracy)

希望对你有帮助