我正在尝试为功能选择实现sequentialfs。我看到这篇文章：Sequential feature selection Matlab
试图按照给出的示例作为实施的解决方案。
我的TrainVec是尺寸为268 x1475的矩阵，而TestVec为116x1475，TestLabel为116 x 1，TestLabel为268 x 1.
我实施的代码是
f = @(TrainVec,TrainLabel,TestVec,TestLabel) sum(TestLabel ~= predict_label);
fs = sequentialfs(f,Vec,Label);
我得到的错误是：
??? Error using ==> crossval>evalFun at 505
The function
'@(TrainVec,TrainLabel,TestVec,TestLabel)sum(TestLabel~=predict_label)'
generated the following error:
Matrix dimensions must agree.
Error in ==> crossval>getFuncVal at 524
funResult = evalFun(funorStr,arg(:));
Error in ==> crossval at 363
funResult = getFuncVal(1, nData, cvp, data, funorStr, []);
Error in ==> sequentialfs>callfun at 495
funResult = crossval(fun,x,other_data{:},...
我检查了所有矩阵并确保它们具有相同的尺寸。不确定有什么问题。需要一些指导。 ==＆gt;中的错误sequentialfs at 357 crit（k）= callfun（fun，x，other_data，cv，mcreps）;
答案 0 :(得分：0)
我不确定predict_label是变量还是输入参数为零的函数。我猜想如果它是变量，它与TestLabel的大小不同;如果它是一个函数，它要么不返回与TestLabel大小相同的东西，要么它有一些错误的中间计算。
无论哪种方式，您通常都希望写作
f = @(TrainVec,TrainLabel,TestVec,TestLabel) sum(TestLabel ~= predict_label(TrainVec,TrainLabel,TestVec));
其中predict_label现在是一个接收TrainVec和TrainLabel的函数，构建模型，在TestVec上对其进行评估，并返回预测标签的数组与TestLabel相同的大小。