我正在尝试学习 300*299
训练矩阵中的相关特征,方法是从中随机取一行作为我的测试数据,然后对其应用 sequentialfs
。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
分别是299*299
和299*1
。 Predict 将为我提供 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,出现以下错误:
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)
我哪里出错了?
最佳答案
您应该在内部 func
构建您的分类器,而不是之前。
sequentialfs
每次都在不同的集合上调用该函数,并且必须为每个集合专门构建一个分类器,仅使用为该迭代选择的 sequentialfs
特征。
我不确定我是否清楚,实际上你应该将代码的第一行移到 func
来源:MathWorks
关于Matlab 特征选择,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40560139/