我想用MATLAB的做特征选择。 有一个很好的功能，那里叫sequentialfs，做了很好的工作。 然而，我无法将其与LIBSVM功能整合进行功能选择。 它的工作原理罚款KnnClassify，有人可以帮我请。 这里是KnnClassify的代码：
FUN1 = @（XT，YT，XT，YT）...
(sum((yt ~= knnclassify(Xt,XT,yT,5))));
[FS，历史] = sequentialfs（FUN1，数据，标签， 'CV'，C， '选项'，选择采用， '方向'， '前'）;
你需要包裹LIBSVM职能培训和在一个特定的功能集测试的SVM。 我建议在一个单独的.m文件写的东西（虽然priciple我认为它可以在一个匿名函数去）。 就像是：
function err = svmwrapper(xTrain, yTrain, xTest, yTest)
model = svmtrain(yTrain, xTrain, <svm parameters>);
err = sum(svmpredict(yTest, xTest, model) ~= yTest);
end
然后，你可以调用sequentialfs有：
[fs history] = sequentialfs(@svmwrapper, ...);
（您可能需要检查的参数的顺序，以svmtrain ，我永远记得这反过来他们应该是）。
这个想法是，svmwrapper将训练SVM和测试集返回它的错误。
匿名相当于将是：
svmwrapper = @(xTrain, yTrain, xTest, yTest)sum(svmpredict(yTest, xTest, svmtrain(yTrain, xTrain, <svm parameters>) ~= yTest);
这看起来并不很漂亮。
我不知道，如果这个问题仍然是开放的，但我得到的功能使用下面的手柄工作：
％的输入顺序依次为svmpredict和svmtrain去为LIBSVM采取输入作为重要
％ytrain，xtrain但sequentialfs发送数据作为xtrain，ytrain，XTEST，ytest
svfun = @(xtrain,ytrain,xtest,ytest)sum(svmpredict(ytest,xtest,svmtrain(ytrain,xtrain,<svm options>)) ~= ytest);
[fs history] = sequentialfs(svfun,x,y)
