我正在尝试对具有多个分类类的模型执行交叉验证,但是在尝试在每个折叠上更新我的classperf时遇到错误。我收到此错误"索引向量具有无效值。"
我的代码如下:
K = 5;
N = size(DataSet, 1);
idx = crossvalind('Kfold', N, K);
cp = classperf(trainLabel);
for i = 1:K
...
%Long codes for svmtrain & svmclassify
...
cp = classperf(cp, Group, trueTestLabel); %error on this line
end
cp.CorrectRate
其中trainLabel是一个120 x 1的双倍,由所有项目的真实性得分组成;组是svmclassify在20 x 1 double中获得的结果;和trueTestLabel是使用以下函数获得的20 x 1双重形式的测试类的真实性得分:
trueTestLabel = trainLabel(idx == i, end);
我尝试过转换" Group"和" trueTestLabel"通过使用num2cell函数进入单元格:
cp = classperf(cp, num2cell(Group), num2cell(trueTestLabel ));
但相反,我得到了一个不同的错误说"当CP对象的类标签是数字时,输出
分类器必须是所有非负整数或NaN' s。