KNN算法学习-matalb

最新推荐文章于 2021-03-19 05:55:28 发布

ZAN_0317

最新推荐文章于 2021-03-19 05:55:28 发布

阅读量247

点赞数

文章标签： matalb KNN

本文链接：https://blog.csdn.net/qq_40761235/article/details/82216557

版权

本文介绍了使用Matlab实现KNN算法的过程，作者基于现有代码进行了调整，作为个人学习笔记。详细内容可见CSDN博客链接。

摘要由CSDN通过智能技术生成

（参考：【CSDN】http://blog.csdn.net/llp1992）代码是基于别人的代码进行了一点小修改，作自己学习记录用。

function relustLabel = KNN(test_data,train_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(train_data);%size返回数据矩阵的行数和列数
diffMat = repmat(test_data,[datarow,1]) - train_data ;
distanceMat = sqrt(sum(diffMat.^2,2));%求距离，返回每一行的和
[B , IX] = sort(distanceMat,'ascend');%ascend 升序排列，B排序后矩阵，IX在原矩阵中的索引
len = min(k,length(B));
relustLabel = mode(labels(IX(1:len)));%mode返回众数，即标号多的类
end

clc
clear
close all

total_data=load('C:\Users\zan\Desktop\matlab_drive\machine-learnning\KNN\iris_data.mat');
len = size(total_data.features,1);
rand_num=randperm(len);
ratio=0.7;
train_num=ratio*len;
test_num=len-train_num;
data_mat = total_data.features;%属性
labels = total_data.classes;%类
k = 5;
error = 0;
% 归一化处理
maxV = max(data_mat);
minV = min(data_mat);
range = maxV-minV;
newdataMat = (data_mat-repmat(minV,[len,1]))./(repmat(range,[len,1]));
 
% 测试
for i = 1:test_num
    classifyresult = KNN(newdataMat(rand_num(train_num+i),:),newdataMat(rand_num(1:train_num),:),labels(rand_num(1:train_num),:),k);
    fprintf('测试结果为：%d  真实结果为：%d\n',[classifyresult labels(rand_num(train_num+i))])
    if(classifyresult~=labels(rand_num(train_num+i)))
        error = error+1;
    end
end
  fprintf('准确率为：%f\n',1-error/(test_num))