如何在matlab中不随机地将数据拆分为k倍？

我有一个数据集，为了简单起见，假设它有1000个样本（每个样本是一个向量）

我想要分割数据进行交叉验证，用于训练和测试，不是随机的1，因此，例如，如果我想要4倍交叉验证，我应该得到：

fold1：列车=1:250；测试=251:1000
fold2：列车=251:500，测试=[1:250；501:1000]
fold3：列车=501:750，测试=[1:500；751:1000]
折叠4：列车=751:1000，测试=1:750

我知道，但是AFAIK-它随机分割数据-这不是我需要的

我想我可以为它编写代码，但我想可能有一个函数我可以使用

---

---

（1） 数据已经被洗牌了，我需要能够很容易地重现实验。

假设你有

k*n

s个样本，你想用

n

样本序列和

（k-1）*n

测试（在你的问题中

k=4

，

n=250

）将它们分成

k

倍。
然后

foldId

提供每个样本所属的训练折叠索引

对于fold

f

，您可以使用

 >> trainIdx = find( foldId == f );
 >> testIdx  = find( foldId ~= f );

---

（您可以使用逻辑索引而不是

查找

，这样可以加快速度）。

这里有一个函数通常可以实现这一点：

function [test, train] = kfolds(data, k)

  n = size(data,1);

  test{k,1} = [];
  train{k,1} = [];

  chunk = floor(n/k);

  test{1} = data(1:chunk,:);
  train{1} = data(chunk+1:end,:);

  for f = 2:k
      test{f} = data((f-1)*chunk+1:(f)*chunk,:);
      train{f} = [data(1:(f-1)*chunk,:); data(f*chunk+1:end, :)];
  end
end

---

它不是一个优雅的1行程序，但它相当健壮，不需要将

k

作为样本数的一个因素，在2D矩阵上工作，并输出实际集合而不是索引。

要将数据集划分为

k

长度的倍数

n

，您可以使用：

f=arrayfun(@(x)struct('train',x*n+(1:n),'test',setdiff(1:n*k,x*n+(1:n))), 0:k-1);

其中

f

是一个结构数组，其字段

train

和

test

包含对应折叠的索引。 例如，对于

n=5

和

k=3

和折叠

2

：

>> f(2).train
ans =
     6     7     8     9    10
>> f(2).test
ans =
     1     2     3     4     5    11    12    13    14    15

您甚至可以直接提取数据。假设您的数据是由

n*k

行组成的二维矩阵

E=arrayfun(...
@(x) struct('train', D(x*n+(1:n),:), ...
            'test',  D(setdiff(1:n*k, x*n+(1:n)),:)), 0:k-1)

说你的数据是

D = [(1:15).^2; (1:15).^3].';

对于折叠

2

，

E

包含：

>> E(2).train
ans =
          36         216
          49         343
          64         512
          81         729
         100        1000
>> E(2).test
ans =
           1           1
           4           8
           9          27
          16          64
          25         125
         121        1331
         144        1728
         169        2197
         196        2744
         225        3375

---

似乎对我有用。我不是matlab专家，想解释一下为什么不在for循环中包含第一次迭代吗？不这样想只是因为

train

集合总是不相交的，除了第一次。嗯，虽然我猜也不是最后一次了：/如果你可以编辑它进入循环，那么请这样做：）我假设你知道这一点，但如果唯一的目标是完全可复制的工作，我建议在随机样本之前设置

rng

初始化随机生成器。

>> E(2).train
ans =
          36         216
          49         343
          64         512
          81         729
         100        1000
>> E(2).test
ans =
           1           1
           4           8
           9          27
          16          64
          25         125
         121        1331
         144        1728
         169        2197
         196        2744
         225        3375