K-Fold
در این نوع اعتبارسنجی داده ها به K زیرمجموعه افراز می شوند. از این K زیرمجموعه، هر بار یکی برای اعتبارسنجی و K-1 تای دیگر برای آموزش بکار میروند. این روال K بار تکرار می شود و همه داده ها دقیقا یکبار برای آموزش و یکبار برای اعتبارسنجی بکار می روند. در نهایت میانگین نتیجه این K بار اعتبارسنجی به عنوان یک تخمین نهایی برگزیده می شود. البته می توان از روش های دیگر برای ترکیب نتایج استفاده کرد. بطور معمول از 10-Fold استفاده می شود.
در روش K-Fold طبقه ای سعی می شود نسبت داده های هر کلاس در هر زیرمجموعه و در مجموعه اصلی یکسان باشد.
========================================================
برای تولید ماتریس گیجی از داده هاتون میتونین مثل مثال زیر عمل کنین
1 2 3 4 5 6 7 8 910 | expected = [1 1 2 2 3 3]'; % Known groups
predicted = [1 1 2 3 4 4]'; % Predicted groups
[confusion_matrix,order] = confusionmat(expected, predicted)
confusion_matrix =
2 0 0 0
0 1 1 0
0 0 0 2
0 0 0 0 |