我通常的K折交叉验证实现大致如下：

K = 10;CrossValIndices = crossvalind('Kfold', size(B,2), K);for i = 1: K    display(['Cross validation, folds ' num2str(i)])    IndicesI = CrossValIndices==i;    TempInd = CrossValIndices;    TempInd(IndicesI) = [];    xTraining = B(:, CrossValIndices~=i);    tTrain = T_new1(:, CrossValIndices~=i);    xTest = B(:, CrossValIndices ==i);    tTest = T_new1(:, CrossValIndices ==i);end

但是，为了确保训练集、测试集和验证集中的类别比例相似（例如，20个类别），我想使用分层抽样技术。其基本目的是避免类别不平衡问题。我知道有SMOTE技术，但我想要应用这种方法。

回答：

你可以简单地使用crossvalind('Kfold', Group, K)，其中Group是包含每个观测值类别标签的向量。这样可以得到每个组比例适当的集合。