如何在交叉驗證的每個摺疊中獲得錯誤分類率？

Question

我目前使用此語法在MATLAB中得到錯誤率在10倍交叉驗證：

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「池」是2級的功能集，我想與分級分類）

從我讀的，mcr將返回10倍的平均錯誤分類率。現在，如果我想從每個摺疊得到錯誤分類率，我該怎麼辦？

預先感謝您。

Answer 1

我想說，在這種情況下，您希望對培訓/驗證過程有更多的控制權。你有沒有考慮分解更多的控制過程？ 從cvpartition開始，爲交叉驗證創建10倍，然後分別對每個摺疊進行操作。