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:Matlab 在knn中省略一个交叉验证和混淆矩阵,matlab,statistics,knn,cross-validation,confusion-matrix,Matlab,Statistics,Knn,Cross Validation,Confusion Matrix,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,:)=[];
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: