我在尝试在MATLAB中获取一个预测列矩阵，但不太清楚如何编写代码。我当前的代码是 –

load DataWorkspace.matgroups = ismember(Num,'Yes');k=10;%# 交叉验证折数:%# 如果你有50个样本，将它们分成10组，每组5个样本，%# 然后用9组（45个样本）进行训练，用1组（5个样本）进行测试。%# 这将重复十次，每组都恰好用作一次测试集。%# 最后将10个折叠的结果平均以产生单一的%# 性能估计。cvFolds = crossvalind('Kfold', groups, k);cp = classperf(groups);for i = 1:k                                   testIdx = (cvFolds == i);                   trainIdx = ~testIdx;                       svmModel = svmtrain(Data(trainIdx,:), groups(trainIdx), ...                 'Autoscale',true, 'Showplot',false, 'Method','SMO', ...                 'Kernel_Function','rbf');    pred = svmclassify(svmModel, Data(testIdx,:), 'Showplot',false);    %# 评估并更新性能对象    cp = classperf(cp, pred, testIdx);endcp.CorrectRatecp.CountingMatrix

问题在于它实际上总共计算了11次准确率 – 每折10次，最后一次作为平均值。但如果我取每个折的个体预测并在每个循环中打印pred，准确率可理解地大大降低。

然而，我需要一个包含数据每行的预测值的列矩阵。关于如何修改代码，您有什么建议吗？

回答：

交叉验证的整个想法是获得分类器性能的无偏估计。

一旦完成，您通常只需在整个数据上训练一个模型。这个模型将用于预测未来的实例。

所以只需这样做：

svmModel = svmtrain(Data, groups, ...);pred = svmclassify(svmModel, otherData, ...);