Matlab特征选择

Question

我正在尝试从一个 300*299 的训练矩阵中学习相关特征，通过将其中的一行作为测试数据，并在其上应用 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大小的数组。Predict将为我提供对于xtest的预测标签（它是原始xtrain中的某些随机行）。

然而，当我运行代码时，我得到以下错误：

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？

- Apurv

---

xtest 有 299 列吗？ - Ander Biguri

是的，它是一个1*299行向量。 - Apurv

建议您添加一个 [mcve]，否则我们无法测试。[mcve] 是指最小可重现代码，它应该包含足够的信息来让其他人能够理解并重现您的问题。 - Ander Biguri

Answer 1

你应该在func内部构建你的分类器，而不是之前。 sequentialfs每次在不同的集合上调用函数，并且必须为每个集合专门构建分类器，仅使用sequentialfs选择的特征进行构建。

我不确定我是否表达清楚，实际上，你应该将代码的第一行移动到func的主体内部。

来源：MathWorks

- Leo