Matlab 在knn中省略一个交叉验证和混淆矩阵

我必须使用k近邻（k=1:30）对虹膜数据进行分类。我已将数据分为样本和训练，其中涉及遗漏交叉验证，因此我有以下脚本：

load fisheriris
group=[ones(1,50), 2*ones(1,50), 3*ones(1,50)]';

    for k=(1:30);
         for i=(1:150);
         sample=meas(i,:);
         training1=meas;
         training1(i,:)=[];
         group_sample=group(i);
         group_training=group;
         group_training(i)=[];
         c(i,k)=knnclassify(sample,training1,group_training,k);

         A=confusionmat(group, c(i,k)); 
         mean_error(k)=mean(A(:)); 
         std_error(k)=std(A(:)); 
         end   
    end

---

问题是我无法生成混淆矩阵，因为c只返回一个值（对于第一个样本），问题出在哪里，有人能帮忙吗？？谢谢

我想你可能在追求这个：

for k=1:30

     for i=1:150
         sample=meas(i,:);
         training1=meas;
         training1(i,:)=[];
         group_sample=group(i);
         group_training=group;
         group_training(i)=[];
         c(i,k)=knnclassify(sample,training1,group_training,k);
     end   

     A=confusionmat(group, c(:,k)); 
     mean_error(k)=mean(A(:)); 
     std_error(k)=std(A(:)); 

end

---

因此，换句话说，只有在交叉验证循环之后才能找到混淆矩阵。

@user19565没问题，如果有效，您可以将其标记为已解决：