【发布时间】：2015-05-27 12:29:23
【问题描述】：
我在crossval 的文档中读到的是matlab 中的mcr = crossval('mcr',X,y,'Predfun',predfun) 函数计算错误分类率，但是如果它适用于10 倍交叉验证，那么我们将有10 个不同的错误分类值，因为我们做了10次测试，每次测试都会产生一个结果，但是mcr的值是单一的还是标量的，那么它是取平均误分类率还是取最小值..等等？
【问题讨论】：
【发布时间】：2015-05-27 12:29:23
【问题描述】：
使用平均错误分类率（所有折叠和所有蒙特卡罗重新分区）。 crossval下面这行代码演示了平均损失的计算——
loss = sum(loss)/ (mcreps * sum(cvp.TestSize));
其中loss 最初是每个交叉验证折叠和每个重新分区的损失向量，mcreps 是重新分区的数量，sum(cvp.TestSize) 是交叉验证测试集的总大小。
这用于 MSE（均方误差）和 MCR 损失函数。
【讨论】：
-
你有什么想法吗，如果在这些 k 折交叉验证中获得最好的准确性（或最小的误分类）？
-
好吧，您可以复制
crossval的代码并将该行更改为loss = min(loss)，但我不知道您为什么想要最小 错误分类率（因为交叉验证的目的通常是告诉你一些关于你的平均泛化错误）。 -
科学方法（即论文中测量的准确度）是否将平均误分类率作为准确度的标准衡量标准？我想在我的最终结果中取最好的分类准确率（我不知道这东西在科学上有多正确）