在 matlab 中使用交叉验证的 Knn 分类器模型预测新数据集（测试数据）的标签

Question

我有一个训练数据集 (50000 X 16) 和一个测试数据集 (5000 X 16)[这两个数据集中的第 16 列是决策标签或响应。测试数据集中的决策标签用于检查训练分类器的分类准确性]。我正在使用我的训练数据来训练和验证我的交叉验证 knn 分类器。我使用以下代码创建了一个交叉验证的 knn 分类器模型：

X = Dataset2(1:50000,:); % Use some data for fitting
Y = Training_Label(1:50000,:); % Response of training data

%Create a KNN Classifier model
rng(10); % For reproducibility
Mdl = fitcknn(X,Y,'Distance', 'Cosine', 'Exponent', '', 'NumNeighbors', 10,'DistanceWeight', 'Equal', 'StandardizeData', 1);

%Construct a cross-validated classifier from the model.
CVMdl = crossval(Mdl,'KFold', 10);

%Examine the cross-validation loss, which is the average loss of each cross-validation model when predicting on data that is not used for training.
kloss = kfoldLoss(CVMdl, 'LossFun', 'ClassifError')

% Compute validation accuracy
validationAccuracy = 1 - kloss;

现在我想使用这个交叉验证的 knn 分类器对我的测试数据进行分类，但无法真正弄清楚如何做到这一点。我已经浏览了 matlab 中的可用示例，但找不到任何合适的函数或示例。

我知道如果我的分类器没有经过交叉验证，我可以使用“预测”功能来预测我的测试数据的类标签。代码如下：

X = Dataset2(1:50000,:); % Use some data for fitting
Y = Training_Label(1:50000,:); % Response of training data

%Create a KNN Classifier model
rng(10); % For reproducibility
Mdl = fitcknn(X,Y,'Distance', 'Cosine', 'Exponent', '', 'NumNeighbors', 10,'DistanceWeight', 'Equal', 'StandardizeData', 1);

%Classification using Test Data
Classifier_Output_Labels = predict(Mdl,TestDataset2(1:5000,:));

但我找不到任何类似的函数（如“预测”）用于交叉验证训练的 knn 分类器。我在 Matlab 文档中找到了“kfoldPredict”函数，但它说该函数用于评估训练好的模型。 http://www.mathworks.com/help/stats/classificationpartitionedmodel.kfoldpredict.html 但是我没有通过这个函数找到任何新数据的输入。

那么谁能告诉我如何使用交叉验证的 knn 分类器模型来预测新数据的标签？任何帮助表示赞赏和急需。 :( :(

Answer 1

假设您在学习模型的同时进行 10 折交叉验证。然后，您可以使用 kfoldLoss 函数来获取每个折叠的 CV 损失，然后通过以下方式选择能够提供最少 CV 损失的训练模型：

modelLosses = kfoldLoss(Mdl,'mode','individual');

如果您在学习时进行了 10 倍交叉验证，上述代码将为您提供长度为 10（10 个 CV 错误值）的向量。假设 CV 误差最小的训练模型是第“k”个，那么您将使用：

testSetPredictions = predict(Mdl.Trained{k}, testSetFeatures);

Answer 2

您似乎在这里混淆了一些事情。交叉验证是一种模型选择和评估的工具。它本身不是训练程序。因此，您不能“使用”交叉验证的对象。您使用 经过训练的 对象进行预测。交叉验证是一种估计给定模型的泛化能力的形式，它与实际训练无关，它是一个评估特定属性的小型统计实验。