用K折交叉验证估计KNN算法中的K值

       前几天用KNN对自己的数据进行了分类，对于KNN中的K值，之前一直是靠缘分来试的，试的时候感觉K=3的效果挺好的。之后看了好多CSDN的博客，发现一般大家除了靠缘分去试K值之外，也会采用交叉验证的方法去近似求得K值，因此我决定自己实现一下，看看有什么效果。

       交叉验证之前老师在将数据挖掘的时候简单的介绍了一下，那时候只记得10折交叉验证，而且并没有去实验，所以早就忘得一干二净。

       K折交叉验证，在matlab中已经集成了函数crossvalind,可以直接调用。

       所谓K折交叉验证（K-foldcross validation），其过程如下：

     （1）  将全部训练集S分成K个不相交的子集，假设S中的训练样例个数为m，那么每一个子集有m/k个训练样例。

     （2）  每次从分好的子集中，选出一个作为测试集，另外k-1个作为训练集。

     （3）  根据训练集得到模型。

     （4）  根据模型对测试集进行测试，得到分类率。

     （5）  计算k次求得的分类率的平均值，作为模型的最终分类率。

     虽然计算过程比较繁琐，但是我觉得还可以，毕竟我的数据不是很多。。。。

datatrain = xlsread('traindata1.xlsx'); %读训练数据
traindata1 = datatrain(:,1:180); %训练样本
trainlabel1 =