如何进行交叉验证 SVM 分类器答案

【问题标题】：How to do cross validation SVM classifier如何进行交叉验证 SVM 分类器
【发布时间】：2014-10-02 20:33:42
【问题描述】：

我想通过对一个数据矩阵S应用SVM分类器进行解码，其大小为1089*43093，标签的预测精度，记为r，是基于11折交叉计算的- 验证分类过程。11折交叉验证基于数据矩阵S，将其分为训练和测试数据集进行分类。具体来说，此交叉验证仅用于计算预测精度 r。谁能给我一些建议来做到这一点？非常感谢！

【问题讨论】：

【解决方案1】：

要进行SVM分类，请使用libsvm。

交叉验证参考Matlab代码：

【讨论】：

使用“Microsoft Visual C++ 2013 Professional”构建。找不到 C:\D 磁盘\MATLAB\R2014a\libsvm-3.18\matlab\svmtrain.exp 找不到 C:\D 磁盘\MATLAB\R2014a\libsvm-3.18\matlab\svmtrain.exp MEX 成功完成。跨度>
找不到 svmtrain.exp
当我尝试加载 s_matrix groups = ismember(s_matrix,'setosa');它显示如下错误：Error using horzcat Dimensions of matrix being concatenated are not compatible.
如何解决这个问题？我按照这个网站上的步骤：stackoverflow.com/questions/3070789/…
当我使用这个时：svmModel = svmtrain(meas(trainIdx,:),group(trainIdx),'Autoscale',true,... 错误显示：“undefined variable meas” 如何修复这个问题？