样本划分选择.zip

机器学习校正集和验证集的划分方法，其中包括SPXY算法，KS算法，RS算法。

%把所有的样本都看作训练集候选样本，依次从中挑选样本进训练集，首先选择欧氏距离最远的两个向量对进入训练集，在接下来的迭代过程中拥有最大最小距离的待选样本
%被选入训练库．以此类推，达到所要求的样本数目。
%该方法优点是能保证训练库中样本按照空间距离分布均匀。缺点是需要进行数据转换和计算样本两两空间距离，计算量大。

function [mdminmax] = KS（XN）

% Kennard-Stone Algorithm for selection of samples
% [mdminmax] = ks（XN）;
%
% X --> Matrix of instrumental responses
% N --> Number of samples to be selected （minimum of 2）
%
% m --> Indexes of the selected samples
%
% dminmax（1） = 0;
% dminmax（2） = Euclidean distance between the two first samples selected by the algorithm
% dminmax（i） = Smallest distance between the i-th selected sample and the previously selected ones （i > 2）

dminmax = zeros（1N）; % Initializes the vector of minimum distances 
M = size（X1）; % Number of rows in X （samples）
samples = 1:M;

D = zeros（MM）; % In

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2780  2015-03-18 14:56  样本划分选择\KS.m
     文件         543  2010-03-17 20:04  样本划分选择\RS.m
     文件         171  2019-05-29 14:21  样本划分选择\Untitled.m
     文件        3175  2010-03-17 20:58  样本划分选择\spxy.m
     目录           0  2019-09-04 20:50  样本划分选择\