为了找到与libsvm一起使用的最佳参数,我使用了下面的代码。我有一个文件,其中包含正负两个示例,每个示例都带有libsvm格式的hog向量。我有1000个积极的例子和4000个否定的例子。但按顺序排列,即前1000例为正例,其余为阴性。
问题:现在,我开始怀疑这段代码返回的准确性是否实际准确。这是因为当我阅读5倍交叉验证时,它把前4/5的数据作为训练,剩下的1/5进行测试。这是否意味着测试集都是阴性的呢?还是随机选取这些例子呢?
%# read some training data
[labels,data] = libsvmread('./heart_scale');
%
假设我将以下配置与Tune Model Hyperparameters模块和增强的决策树回归一起使用:
这种配置是否允许我调整超参数,从而获得最佳的确定系数,同时保证最低的交叉验证平均误差?如果是这样的话,有没有人更详细地知道Tune Model Hyperparameters模块使用这个配置做了什么?
谢谢。