Matlab 使用线性判别分析的交叉验证

以下代码使用线性判别分析执行10倍交叉验证：

load fisheriris
indices = crossvalind('Kfold',species,10);
cp = classperf(species); % initializes the CP object

for i = 1:10
    test = (indices == i); train = ~test;
    class = classify(meas(test),meas(train),species(train));
    % updates the CP object with the current classification results
    classperf(cp,class,test)  
end

cp.CorrectRate

---

如何将其修改为使用fitcdiscr而不是第7行的分类？当我尝试时，我得到一个错误（错误的参数数量）。我不知道需要或不需要什么参数。

fitcdiscr返回一个基于训练数据的模型，并带有真正的标签。因此，为了得到预测类（class），我们需要使用模型方法进行预测

load fisheriris 
indices = crossvalind('Kfold',species,10);
cp = classperf(species);
for i = 1:10
    test = (indices == i); train = ~test;
    Mdl = fitcdiscr(meas(train,:), species(train,:));
    class = Mdl.predict(meas(test,:));
    classperf(cp,class,test);
end
cp.CorrectRate

我用旧函数（分类）对此进行了测试，正确率是相同的。

可能从：

fitcdiscr（meas，species）

当我尝试fitcdiscr（meas，species）时，我得到以下错误：使用classreg.learning.internal.DisallowVectorOps/subsref时出错（第16行）不能使用（）索引将索引编入ClassificationDiscriminant类的对象。classperf（第223行）中的错误gps=varargin{1}（：）；