matlab - 如何在交叉验证的每一折中获得错误分类率？

Question

我目前在 matlab 中使用这种语法来获得 10 倍交叉验证的误分类率：

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“池化”是我想用分类器分类的 2 类特征集）

根据我的阅读，mcr将返回 10 倍的平均错误分类率。现在，如果我想从每个折叠中获得错误分类率，我该怎么办？

先感谢您。

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权。您是否考虑过分解流程以获得更多控制权？首先cvpartition为交叉验证创建 10 折，然后分别对每个折采取行动。