## Zur Musterlösung für die Aufgabe 1 der Serie 3
## und als "Starthilfe" für Serie 4 im Block Datamining.

CVtest.m <- function(fitPrFN, x.dat, yy.mult, k=10, verbose=TRUE, ...) {
  ## The  y-labels == levels(<y.factor>) :
  labs <- if(is.matrix(yy.mult)) colnames(yy.mult) 
          else if(is.data.frame(yy.mult)) levels(yy.mult[,1]) 
          else stop("'yy.mult' is wrong")
  n <- nrow(x.dat)
  ii <- sample(n)     # Permutation aller
  j1 <- 1             # Start des ersten Blocks
  res <- character(n) # will contain class labels
  if(verbose) cat("fold ")
  for (i in 1:k) {
    if(verbose) { cat(i, ""); flush.console() }
    j2 <- (i*n) %/% k  # Ende des i-ten Blocks [ganzzahlige Division]
    j <- ii[j1:j2]     # Indizes der Test-Beob. im Fold i
    ## Berechnung der Vorhersagen
    prob <- fitPrFN(x.dat[-j,], yy.mult[-j,], x.new = x.dat[j,], ...)
    ## Berechnung der Klassen                                    ===
    res[j] <- labs[ apply(prob, 1, which.max) ]
    j1 <- j2 + 1       # Start des (i+1)-ten Blocks
  }; if(verbose) cat("\n")
  res ## Return: Klassierungen
}