Matlab-随机森林分类器10倍交叉验证精度

我有一个包含20000个实例和4421个特征的数据集。出于科学原因（出版物），我需要使用随机森林和Matlab对该数据集进行10倍交叉验证，作为分类器的个体和平均精度。请问，你能告诉我必须从我的数据集中执行10个cv并获得分类精度吗

以下是我迄今为止的代码：

data = load ('HCTSA_N.mat');

% This makes sure we get the same results every time we run the code.
rng default

traindata = data.TS_DataMat;
trainlabels = {data.TimeSeries.Keywords};


% How many trees do you want in the forest? 
nTrees = 20;

% Train the TreeBagger (Decision Forest).
B = TreeBagger(nTrees,traindata,trainlabels, 'Method', 'classification'); 

---

不一定要理解这个问题，。。。1） 将数据拆分为k个样本2）在k-1个样本上训练k次数据3）计算每次迭代的均方误差（或任何你需要的），我从生成的模型中得到均方误差？不理解问题，。。。1） 将数据拆分为k个样本2）在k-1个样本上训练k次数据3）计算每次迭代的均方误差（或您需要的任何值），我从生成的模型中得到均方误差？