如何在交叉验证的每个折叠中获得错误分类率？

Question

我目前在matlab中使用这种语法来获得10倍交叉验证中的错误分类率：

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'pooling'是我想用分类器分类的2级特征集）

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

提前谢谢。

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。您是否考虑过分解过程以获得更多控制权？ 从cvpartition开始，为交叉验证创建10倍，然后分别对每个折叠进行操作。