我在寻找一个应用于神经网络的10折交叉验证的示例。我需要类似于这个问题的答案：MATLAB中10折SVM分类的示例

我希望能够对所有3个类别进行分类，而示例中只考虑了两个类别。

编辑：这是我为鸢尾花示例编写的代码

load fisheriris                              %# 加载鸢尾花数据集
k=10;
cvFolds = crossvalind('Kfold', species, k);   %# 获取10折交叉验证的索引
net = feedforwardnet(10);
for i = 1:k                                  %# 对于每个折叠
    testIdx = (cvFolds == i);                %# 获取测试实例的索引
    trainIdx = ~testIdx;                     %# 获取训练实例的索引
    %# 训练
    net = train(net,meas(trainIdx,:)',species(trainIdx)');
    %# 测试
    outputs = net(meas(trainIdx,:)');
    errors = gsubtract(species(trainIdx)',outputs);
    performance = perform(net,species(trainIdx)',outputs)
    figure, plotconfusion(species(trainIdx)',outputs)
end

MATLAB给出的错误信息：

Error using nntraining.setup>setupPerWorker (line 62)
Targets T{1,1} is not numeric or logical.
Error in nntraining.setup (line 43)
    [net,data,tr,err] = setupPerWorker(net,trainFcn,X,Xi,Ai,T,EW,enableConfigure);
Error in network/train (line 335)
[net,data,tr,err] = nntraining.setup(net,net.trainFcn,X,Xi,Ai,T,EW,enableConfigure,isComposite);
Error in Untitled (line 17)
    net = train(net,meas(trainIdx,:)',species(trainIdx)');

回答：

使用MATLAB的crossval函数比手动使用crossvalind要简单得多。由于您只是询问如何从交叉验证中获取测试“分数”，而不是使用它来选择最佳参数，比如隐藏节点的数量，您的代码将像这样简单：

load fisheriris;
% // 将种类分成3个二进制虚拟变量
S = unique(species);
O = [];
for s = 1:numel(S)
    O(:,end+1) = strcmp(species, S{s});
end
% // 交叉验证
vals = crossval(@(XTRAIN, YTRAIN, XTEST, YTEST)fun(XTRAIN, YTRAIN, XTEST, YTEST), meas, O);

剩下的就是编写那个fun函数，它接受输入和输出训练和测试集（所有这些都由crossval函数提供，因此您不需要自己分割数据），在训练集上训练神经网络，在测试集上测试它，然后使用您喜欢的度量输出一个分数。像这样：

function testval = fun(XTRAIN, YTRAIN, XTEST, YTEST)
    net = feedforwardnet(10);
    net = train(net, XTRAIN', YTRAIN');
    yNet = net(XTEST');
    %'// 找出哪个输出（三个虚拟变量中的一个）具有最高的概率
    [~,classNet] = max(yNet',[],2);
    %// 将YTEST转换为可以与classNet比较的格式
    [~,classTest] = find(YTEST);
    %'// 检查分类器的成功率
    cp = classperf(classTest, classNet);
    testval = cp.CorrectRate; %// 用您喜欢的度量替换这个
end

我没有神经网络工具箱，所以我无法测试这个，抱歉。但这应该能展示这个原理。