文章目录

• 思路
• 效果
• 代码
• • mian
  • knn

思路

1、计算已有数据集A中每个个体与新个体B的距离
2、根据距离由近到远排序
3、根据提供的k值返回距离B最近的k个个体编号与类别

效果

代码

mian

A=[2 2 01.9 1.9 02.8 2.8 05 5 14 6 16 5 1];
B=[3 3];
k=3;
[Neighbors, Classify] = KNN(A,B,k);

knn

function [Neighbors, Classify] = KNN(A,B,k)
%A：前nums-1列为属性，最后一列为类别
%B：只有1行,nums-1列
%k：近邻数量
%采用欧式距离
%Neighbors:距离最近的邻居编号
%Classify:距离最近的邻居对应的类别
size_A=size(A);
Temp_A=A(:,1:size_A(2)-1);
Dis_A_B=zeros(size_A(1),2);
Dis_A_B(:,1)=1:size_A(1);
Dis_A_B(:,2)=sqrt(sum((Temp_A-B).^2,2));
Sorted_Dis_A_B=sortrows(Dis_A_B,2);
Neighbors=Sorted_Dis_A_B(1:k,1);
Classify=A(Neighbors,size_A(2));
end

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！