轉載原文

定義：
在機器學習中，將資料集A分為訓練集B（training set）和測試集C（test set），在樣本量不充足的情況下，為了充分利用資料集對演算法效果進行測試，將資料集A隨機分為k個包，每次將其中一個包作為測試集，剩下k-1個包作為訓練集進行訓練。

[M,N]=size(data);//資料集為一個M*N的矩陣，其中每一行代表一個樣本
    indices=crossvalind('Kfold',data(1:M,N),10);//進行隨機分包
    for k=1:10//交叉驗證k=10，10個包輪流作為測試集
        test = (indices == k); //獲得test集元素在資料集中對應的單元編號
 

        train = ~test;//train集元素的編號為非test元素的編號
        train_data=data(train,:);//從資料集中劃分出train樣本的資料
 train_target=target(:,train);//獲得樣本集的測試目標，在本例中是實際分類情況
        test_data=data(test,:);//test樣本集
 test_target=target(:,test);
 [HammingLoss(1,k),RankingLoss(1,k),OneError(1,k),Coverage(1,k),Average_Precision(1
 
,k),Outputs,Pre_Labels.MLKNN]=MLKNN_algorithm(train_data,train_target,test_data,test_target);//要驗證的演算法
 end
//上述結果為輸出演算法MLKNN的幾個驗證指標及最後一輪驗證的輸出和結果矩陣，每個指標都是一個k元素的行向量