如何在matlab中实现KNN的Priors

Question

我对KNN培训有疑问。我想在C. M. Bishop的书Pattern Recognition and Machine Learning中实现KNN。我们需要找到条件密度，* p（x | C_k）= K_k \ N_kV *，无条件密度 p（x）= K \ NV 和类先验，* p（C_k）= N_k \ N *。然后，代入贝叶斯定理导致后验概率。

我的问题在于编程。让我们假设我有5个类，在这些类中我的特征向量具有不同的长度。因此，第1类有100，第2类有344，第3类有541 ...第5类有n。所有这些都加起来为100（数字特征向量）的全维度和数字为1的标签向量。

现在我的问题：当我想要实现我的先验时，我不能只用for loop遍历所有类，因为我的所有类（不同长度）都存储在一个矩阵中，其中一个特征向量一个另一个

%% Code fragment out of ML-KNN: A lazy learning approach to multilabel learning Min-Ling Zhang, Zhi-Hua Zhou
for i=nclass
   temp_Ci=sum(train_target(i,:)==ones(1,num_training));
   Prior(i,1)=(Smooth+temp_Ci)/(Smooth*2+num_training);
   PriorN(i,1)=1-Prior(i,1);
end 

那么，我如何在Matlab中实现先验？