knn中的leave-one-out交叉驗證和混淆矩陣

Question

我必須使用k最近鄰居來對虹膜數據進行分類，（k = 1：30）我已經將數據分成樣本和涉及Leave-one-out交叉驗證，所以我有以下腳本：

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 

的問題是，我不能混淆矩陣，因爲C返回我回來只有一個值（第一個樣品），哪裏出了問題，任何人可以幫助？ ？謝謝！

Answer 1

我覺得你在這之後可能是：

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，換句話說，只有找到交叉確認循環後的混淆矩陣。