dividerand

(Zu entfernen) Aufteilen von Zielen in drei Sätze mithilfe zufälliger Indizes

dividerand wird in einer zukünftigen Version entfernt. Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Ratschläge zur Aktualisierung Ihres Codes finden Sie unter Versionsverlauf.

Syntax

[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio)

Beschreibung

[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio) akzeptiert die Anzahl der aufzuteilenden Ziele, das Verhältnis von Vektoren für das Training, das Verhältnis der Vektoren für die Validierung und das Verhältnis von Vektoren für Tests und gibt die Training-Indizes, die Validierungs-Indizes und die Test-Indizes aus.

Beispiele

Abrufen von Trainings-, Validierungs- und Testindizes mithilfe der 'dividerand'-Funktion

Dieses Beispiel zeigt, wie Sie mithilfe der dividerand-Funktion Trainings-, Validierungs- und Testindizes abrufen können.

Teilen Sie 3000 Proben in 60% für Training, 20% für Validierung und 20% für Tests auf.

[trainInd,valInd,testInd] = dividerand(3000,0.6,0.2,0.2)

Eingabeargumente

Q — Zielanzahl

Skalar

Anzahl der aufzuteilenden Ziele, angegeben als Skalar.

trainRatio — Trainingsverhältnis

0.7 (Standardeinstellung) | Skalar

Verhältnis der Vektoren für das Training, angegeben als Skalar.

valRatio — Validierungsverhältnis

0.15 (Standardeinstellung) | Skalar

Verhältnis der Vektoren für die Validierung, angegeben als Skalar.

testRatio — Testverhältnis

0.15 (Standardeinstellung) | Skalar

Verhältnis der Vektoren für Tests, angegeben als Skalar.

Ausgangsargumente

trainInd — Trainingsindizes

Vektor

Trainingsindizes, ausgegeben als Zeilenvektor.

valInd — Validierungsindizes

Vektor

Validierungsindizes, ausgegeben als Zeilenvektor.

testInd — Test-Indizes

Vektor

Test-Indizes, ausgegeben als Zeilenvektor.

Mehr über

Verwendung von Netzen

Dies sind die Netzeigenschaften, die festlegen, welche Datenaufteilungsfunktion mit welchen Parametern verwendet werden soll und welche Aspekte der Ziele aufgeteilt werden, wenn train aufgerufen wird.

net.divideFcn
net.divideParam
net.divideMode

Versionsverlauf

Eingeführt in R2008a

R2026a: dividerand wird zukünftig entfernt.

dividerand wird in einer zukünftigen Version entfernt.

Weitere Informationen zur Datenverarbeitung für neuronale Netze finden Sie in den folgenden Beispielen und Themen:

• Preprocess Data for Domain-Specific Deep Learning Applications

• Datastores for Deep Learning

• Choose an App to Label Ground Truth Data

Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Siehe auch

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

Themen

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows