matlab中的交叉验证

我在is的文档中读到，

mcr=crossval（'mcr'，X，y，'Predfun'，Predfun）

函数在matlab中计算误分类率，但是如果它应用10倍交叉验证，那么我们将有10个不同的误分类值，因为我们做了10次测试，每次测试都会产生一个结果，但是值

mcr

是单个的还是标量的，所以它取平均误分类率还是取最小值等等？

使用平均误分类率（所有折叠和所有monte-carlo重新分区）。下面的

crossval

行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划分的损失向量，

mcreps

是重新划分的数量，

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。

您是否知道，在这些k倍交叉验证中，是否有办法获得最佳精度（或最小误分类）？您可以复制

crossval

的代码，并将该行更改为

loss=min（loss）

但我不知道你为什么想要最小的误分类率（因为交叉验证的目的通常是告诉你关于你的平均概括错误）。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度量？我想在我的最终结果中取得最好的分类准确率（我不知道这个东西在科学上有多正确）