KNN算法MATLAB实现

ulppknot · 发表于 2020-10-29 13:24

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

一、kNN概念描述

kNN算法又称为k最近邻(k-nearest neighbor classification)分类算法。所谓的k最近邻，就是指最接近的k个邻居（数据），即每个样本都可以由它的K个邻居来表达。

kNN算法的核心思想是，在一个含未知样本的空间，可以根据离这个样本最邻近的k个样本的数据类型来确定样本的数据类型。

该算法涉及3个主要因素：训练集、距离与相似的衡量、k的大小；

主要考虑因素：距离与相似度的；

二、举例说明
右图中，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？

如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形那个类，如果K=5，由于蓝色四方形比例为3/5，因此绿色圆被赋予蓝色四方形类。

三、MATLAB实现

KNN.m：KNN标签预测，输入测试数据、样本数据、样本标签、K值

输出数据：对单个样本预测的标签值

function relustLabel = KNN(inx,data,labels,k)
%%
% inx 为输入测试数据，data为样本数据，labels为样本标签
%%
[datarow , datacol] = size(data);
diffMat = repmat(inx,[datarow,1]) - data ;
distanceMat = sqrt(sum(diffMat.^2,2));
[B , IX] = sort(distanceMat,'ascend');
len = min(k,length(B));
relustLabel = mode(labels(IX(1:len)));
end- H3 w0 J& @ M

Obj.m 目标函数，返回值为标签预测错误率

function [value] = kgetObj2(train_F,train_L,test_F,test_L)
k=4;
numTest=size(test_f,1);
numTrain=size(train_F,1);
error=0;
for i=1:numTest
classifyresult= knnsix(test_f(i,：）,train_f(1:numTrain,：）,train_L(1:numTrain,：）,k);
if(classifyresult~=test_L(i,：）)
error=error+1;
end
end
value=error/numTest;
end3 O$ j2 u% g% E" |

xiaogegepcb · 发表于 2020-10-29 13:59

KNN算法MATLAB实现

帐号		自动登录	找回密码
密码			注册

KNN算法MATLAB实现

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1