Matlab使用KNN分类

 KNN是通过测量不同特征值之间的距离进行分类。它的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别，其中K通常是不大于20的整数。

如下图，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。
 
https://www.cnblogs.com/ybjourney/p/4702562.html

matlab自带knnclssify
https://blog.csdn.net/boyxiaolong/article/details/7062394

matlab中的knnsearch函数
https://blog.csdn.net/qq_33596242/article/details/83689898

ClassificationKNN
https://www.mathworks.com/help/stats/classificationknn.html

ClassificationKNN.fit

mdl = ClassificationKNN.fit(X,Y)：基于特征和分类标签返回分类模型。X：每行表示一个特征向量，每列表示特征向量中一个变量。Y：每行代表的是X中特征向量说代表的标签或种类。
mdl = ClassificationKNN.fit(X,Y,Name,Value)：value代表K的值

预测过程：1，寻找训练集合X中最靠近Xnew 的K个点（距离的度量采用的欧式距离）

         2，记录这K个点的对应标签Y

         3，把Xnew的标签分配给所有K个标签中概率最大的那一个。
http://www.voidcn.com/article/p-ctglrhch-zb.html

K值是经验值，不同样本构建的模型K值几乎都不同，遇的较多的好像是设置成5。
https://www.tensorflowers.cn/t/484