matlab knn,matlab自带knn函数

本文介绍了如何在MATLAB中使用内置的knn函数进行分类任务,特别是通过模式识别工具箱来简化科研工作。示例代码展示了加载特征数据、训练样本和测试样本,然后使用'cosine'距离和'random'规则进行3类别的KNN分类,并将结果保存到文件。
摘要由CSDN通过智能技术生成

话说matlab的模式识别工具箱非常强大,对于一般应用来说基本不用自己编程,这就给科研带来了极大的便利。

之后估计会利用这个工具箱里的许多分类方法,比如KNN、BP、SVM等等;

现在就利用knn来进行分类。

For the object

of samplify, I only choose 3 classes while 2 samples for each class

,there are 18 features in every sample

.

准备条件:已经把特征数据和样本标号保存为文件。

测试代码为:

1.

train_data=load('sample_feature.txt');

2.

train_label=load('train_label.txt');

3.

test_data=load('features.txt');

4.

k=knnclassify(test_data,train_data,train_label,3,'cosine','random');

train_data保存的是训练样本特征,要求是最能代表本类别的,不一定多,当然不能太少;

train_label保存的是样本标号,如0,1,2等等,随便设置,只有能区分就行,具体格式可以为:

1.

1 1 2 2 3 3

test_data测试文件保存的是测试数据的特征;

关键函数介绍:

kn

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值