knn
最邻近分类
Class = knnclassify(test_data,train_data,train_label, k, distance, rule)
k：选择最邻近的数量
distance:距离度量
\'euclidean\' 欧几里得距离，默认的
\'cityblock\' 绝对差的和
\'cosine\' 余弦 （作为向量处理）
\'correlation\' 相关距离 样本相关性（作为值序列处理）
\'Hamming\' 海明距离 不同的比特百分比（仅适用于二进制数据）
rule:如何对样本进行分类
\'nearest\' 最近的K个的最多数
\'random\' 随机的最多数
\'consensus\' 共识规则
% Classify the sample using the nearest neighbor classification
training = [mvnrnd([ 1 1], 1.2*eye(2), 100); ...
mvnrnd([-1 -1], 1.5*eye(2), 100)];
group = [ones(100,1); repmat(2,100,1)];
gscatter(training(:,1),training(:,2),group,\'rb\',\'+x\');
legend(\'Training group 1\', \'Training group 2\');
hold on;
sample = unifrnd(-5, 5, 100, 2);
c = knnclassify(sample, training, group);
gscatter(sample(:,1),sample(:,2),c,\'gc\'); hold on;
legend(\'Training group 1\',\'Training group 2\', ...
\'Data in group 1\',\'Data in group 2\');
hold off;
结果：
请发表评论