knn中的leave-one-out交叉验证和混淆矩阵

Question

我必须使用k最近邻居来对虹膜数据进行分类，（k = 1：30）我已经将数据分成样本和涉及Leave-one-out交叉验证，所以我有以下脚本：

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,:)=[]; 
     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 

的问题是，我不能混淆矩阵，因为C返回我回来只有一个值（第一个样品），哪里出了问题，任何人可以帮助？ ？谢谢！

Answer 1

我觉得你在这之后可能是：

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，换句话说，只有找到交叉确认循环后的混淆矩阵。