基于K近邻算法(KNN)的数据回归预测，多变量输入模型，matlab代码。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

 

lc;
clear all;
close all
tic
warning off

%%  导入数据
% 训练集——190个样本
P_train = xlsread('data','training set','B2：G191')';
T_train= xlsread('data','training set','H2：H191')';
% 测试集——44个样本
P_test=xlsread('data','test set','B2:G45')';
T_test=xlsread('data','test set','H2:H45')';
f_ = size(P_test, 1);
N = size(P_test, 2);          % 测试集样本数
M = size(P_train, 2);         % 训练集样本数

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%%  转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  训练模型
k = 3;      % 近邻点个数

智能算法及其模型预测