function?[cvmsegam_bestsig2_best]?=?crossvalidate（XtrainYtraingam_mingam_maxsig2_minsig2_maxk）
%%%%%%%%%%%%%%%
%子程序_交叉驗證程序
%
%
%函數(shù)輸入：Xtrain-訓練集的輸入，Ytrain-訓練集的輸出，gam_min-懲罰參數(shù)選擇范圍的最小值，
%?????????gam_max-懲罰參數(shù)選擇范圍的最大值，sig2_min-寬度系數(shù)選擇范圍的最小值，
%?????????sig2_max-寬度系數(shù)選擇范圍的最大值，k-交叉驗證的折數(shù)
%函數(shù)輸出：cvmse-交叉驗證精確度，gam_best-最佳懲罰系數(shù)，sig2_best-最佳寬度系數(shù)
%
%
%
number?=?size（Xtrain1）;
%將gam和sig2劃分網(wǎng)格
[XY]?=?meshgrid（gam_min:0.1:gam_maxsig2_min:0.05:sig2_max）;
[mn]?=?size（X）;
%cv對應不同gam，sig2的驗證誤差
cv?=?zeros（mn）;
eps?=?10^（-4）;
%
%
gam_best?=?0;
sig2_best?=?0;
mse_sum?=?0;
cvmse?=?Inf;
%
step?=?floor（number/k）;
%交叉驗證
for?i?=?1:m
????for?j?=?1:n
????????gam?=?10^X（ij）;
????????sig2?=?10^Y（ij）;
????????%將Xtrain分成k組
????????for?t?=?1:k
????????????if?t~=k
????????????????startpoint?=?（t-1）*step?+1;
????????????????endpoint?=?t*step;
????????????else
????????????????startpoint?=?（t-1）*step+1;
????????????????endpoint?=?number;
????????????end
????????????%%%取一組為驗證數(shù)據(jù)
????????????validate_in?=?Xtrain（startpoint:endpoint:）;
????????????validate_out?=?Ytrain（startpoint:endpoint:）;????????????
????????????%%%剩余樣本為訓練數(shù)據(jù)
????????????train_in?=?Xtrain;
????????????train_in（startpoint:endpoint:）?=?‘‘;
????????????train_out?=?Ytrain;
????????????train_out（startpoint:endpoint:）?=?‘‘;
????????????%
????????????[outmse]?=?lssvm_regression（train_intrain_outgamsig2validate_invalidate_out）;?????????
????????end
????????mse_sum?=?sum（mse）;
????????cv（ij）?=?mse_sum/k;????????
????????if?cv（ij）?????????????cvmse?=?cv（ij）;
????????????gam_best?=?gam;
????????????sig2_best?=?sig2;
????????end
????????%?達到精度后取小的gam
????????if?abs（cv（ij）-cvmse）<=eps?&&?gam_best>gam
????????????cvmse?=?cv（ij）;
????????????gam_best?=?gam;
????????????sig2_best?=?sig2;
????????end
????end
end

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2016??2013-01-05?13:02??crossvalidate.m

-----------?---------??----------?-----??----

?????????????????2016????????????????????1