我有一个训练数据集（50000 x 16）和测试数据集（5000 x 16）[这两个数据集的第16列是决策标签或响应。测试数据集中的决策标签用于检查训练分类器的分类准确性]。我使用我的训练数据来训练和验证我的交叉验证knn分类器。我使用以下代码创建了一个交叉验证的knn分类器模型：

X = Dataset2(1:50000,:); % 使用一些数据进行拟合Y = Training_Label(1:50000,:); % 训练数据的响应% 创建一个KNN分类器模型rng(10); % 为了可重复性Mdl = fitcknn(X,Y,'Distance', 'Cosine', 'Exponent', '', 'NumNeighbors', 10,'DistanceWeight', 'Equal', 'StandardizeData', 1);% 从模型中构建一个交叉验证分类器CVMdl = crossval(Mdl,'KFold', 10);% 检查交叉验证损失，这是每个交叉验证模型在预测未用于训练的数据时的平均损失kloss = kfoldLoss(CVMdl, 'LossFun', 'ClassifError')% 计算验证准确率validationAccuracy = 1 - kloss;

现在我想使用这个交叉验证的knn分类器来对我的测试数据进行分类，但实在不知道该怎么做。我已经查看了matlab中可用的示例，但找不到任何适合的函数或示例来执行此操作。

我知道如果我的分类器没有经过交叉验证，我可以使用“predict”函数来预测我的测试数据的类标签。代码如下：

X = Dataset2(1:50000,:); % 使用一些数据进行拟合Y = Training_Label(1:50000,:); % 训练数据的响应% 创建一个KNN分类器模型rng(10); % 为了可重复性Mdl = fitcknn(X,Y,'Distance', 'Cosine', 'Exponent', '', 'NumNeighbors', 10,'DistanceWeight', 'Equal', 'StandardizeData', 1);% 使用测试数据进行分类Classifier_Output_Labels = predict(Mdl,TestDataset2(1:5000,:));

但我找不到任何类似的函数（如“predict”）来对交叉验证训练的knn分类器进行操作。我在Matlab文档中找到了“kfoldPredict”函数，但它说该函数用于评估训练模型。 http://www.mathworks.com/help/stats/classificationpartitionedmodel.kfoldpredict.html 但我没有找到通过此函数输入新数据的方法。

所以请问有人能告诉我如何使用交叉验证的knn分类器模型来预测新数据的标签吗？任何帮助都将不胜感激，急需帮助。:( 🙁

回答：

你似乎在这里搞混了一些事情。交叉验证是用于模型选择和评估的工具。它本身并不是一种训练过程。因此，你不能“使用”交叉验证对象。你应该使用已训练的对象进行预测。交叉验证是一种估计给定模型泛化能力的形式，它与实际训练无关，而是一种小的统计实验，用于评估特定属性。