Question

我有一个数据集，为简单起见，假设它有1000个样本（每个都是一个向量）。

我想分割我的数据用于交叉验证，用于训练和测试，非随机 ¹，所以例如如果我想要4倍交叉验证，我应该得到：

fold1 ：train = 1：250; test = 251：1000
fold2 ：train = 251：500，test = [1：250; 501：1000]
fold3 ：train = 501：750，test = [1：500; 751：1000]
fold4 ：train = 751：1000，test = 1：750

我知道CVPARTITION，但AFAIK - 它会随机分割数据 - 这不是我需要的。

我想我可以为它编写代码，但我认为可能有一个我可以使用的函数。

（1）数据已经改组，我需要能够轻松地重现实验。

Answer 1

假设您有k*n个问题，您希望将k个样本分为n个样本和(k-1)*n个问题k = 4， n = 250）。
然后

 >> foldId = kron( 1:k, ones(1,n) );

foldId为您提供每个样本所属的训练折叠的索引。

对于折叠f，您可以使用

获取训练和测试样本的索引

 >> trainIdx = find( foldId == f );
 >> testIdx  = find( foldId ~= f );

（您可以使用逻辑索引而不是find并加快速度。）

Answer 2

这是一个通常执行此操作的函数：

function [test, train] = kfolds(data, k)

  n = size(data,1);

  test{k,1} = [];
  train{k,1} = [];

  chunk = floor(n/k);

  test{1} = data(1:chunk,:);
  train{1} = data(chunk+1:end,:);

  for f = 2:k
      test{f} = data((f-1)*chunk+1:(f)*chunk,:);
      train{f} = [data(1:(f-1)*chunk,:); data(f*chunk+1:end, :)];
  end
end

它不是一个优雅的1衬里，但它相当健壮，不需要k成为你的样本数量的因子，在2D矩阵上工作并输出实际集而不是索引。

Answer 3

要将数据集划分为k长度n的折叠，您可以使用：

f=arrayfun(@(x)struct('train',x*n+(1:n),'test',setdiff(1:n*k,x*n+(1:n))), 0:k-1);

其中f是一个结构数组，其中包含字段train和test，其中包含相应折叠的索引。例如，n=5和k=3以及折叠2：

>> f(2).train
ans =
     6     7     8     9    10
>> f(2).test
ans =
     1     2     3     4     5    11    12    13    14    15

您甚至可以直接提取数据。假设您的数据是n*k行

的二维矩阵

E=arrayfun(...
@(x) struct('train', D(x*n+(1:n),:), ...
            'test',  D(setdiff(1:n*k, x*n+(1:n)),:)), 0:k-1)

说出你的数据

D = [(1:15).^2; (1:15).^3].';

对于折叠2，E包含：

>> E(2).train
ans =
          36         216
          49         343
          64         512
          81         729
         100        1000
>> E(2).test
ans =
           1           1
           4           8
           9          27
          16          64
          25         125
         121        1331
         144        1728
         169        2197
         196        2744
         225        3375

如何在matlab中随机分割数据为k-folds？

3 个答案: