我试图通过从它作为我的测试数据并在其上应用sequentialfs的随机行来学习300 * 299训练矩阵中的相关特征.我使用了以下代码:
>> Md1=fitcdiscr(xtrain,ytrain);
>> func = @(xtrain, ytrain, xtest, ytest) sum(ytest ~= predict(Md1,xtest));
>> learnt = sequentialfs(func,xtrain,ytrain)
xtrain和ytrain分别为299 * 299和299 * 1.预测将给出xtest的预测标签(这是来自原始xtrain的一些随机行).
但是,当我运行我的代码时,我收到以下错误:
Error using crossval>evalFun (line 480)
The function '@(xtrain,ytrain,xtest,ytest)sum(ytest~=predict(Md1,xtest))' generated the following error:
X must have 299 columns.
Error in crossval>getFuncVal (line 497)
funResult = evalFun(funorStr,arg(:));
Error in crossval (line 343)
funResult = getFuncVal(1, nData, cvp, data, funorStr, []);
Error in sequentialfs>callfun (line 485)
funResult = crossval(fun,x,other_data{:},...
Error in sequentialfs (line 353)
crit(k) = callfun(fun,x,other_data,cv,mcreps,ParOptions);
Error in new (line 13)
learnt = sequentialfs(func,xtrain,ytrain)
我哪里做错了?
最佳答案 你应该在func中构建你的分类器,而不是之前.
sequentialfs每次在不同的集合上调用该函数,并且必须仅为每个集合构建一个分类器,仅使用为该迭代选择的特征sequentialfs.
我不确定我是否能够清楚,实际上你应该将你的代码的第一行移到func体内