matlab算法knn算法,MATLAB KNN算法

【实例简介】实现KNN算法

【实例截图】

【核心代码】close all;

clc;

%%算法实现

%step1、初始化训练集、测试集、K值

%创建一个三维矩阵，二维表示同一类下的二维坐标点，第三维表示类别

trainData1=[0 0;0.1 0.3;0.2 0.1;0.2 0.2];%第一类训练数据

trainData2=[1 0;1.1 0.3;1.2 0.1;1.2 0.2];%第二类训练数据

trainData3=[0 1;0.1 1.3;0.2 1.1;0.2 1.2];%第三类训练数据

trainData(:,:,1)=trainData1;%设置第一类测试数据

trainData(:,:,2)=trainData2;%设置第二类测试数据

trainData(:,:,3)=trainData3;%设置第三类测试数据

trainDim=size(trainData);%获取训练集的维数

testData=[1.6 0.3];%设置1个测试点

K=7;

%%分别计算测试集中各个点与每个训练集中的点的欧氏距离

%把测试点扩展成矩阵

testData_rep=repmat(testData,4,1);

%设置三个二维矩阵存放测试集与测试点的扩展矩阵的差值平方

%diff1=zero(trainDim(1),trianDim(2));

%diff2=zero(trainDim(1),trianDim(2));

%diff3=zero(trainDim(1),trianDim(2));

for i=1:trainDim(3)

diff1=(trainData(:,:,1)-testData_rep).^2;

diff2=(trainData(:,:,2)-testData_rep).^2;

diff3=(trainData(:,:,3)-testData_rep).^2;

end

%设置三个一维数组存放欧式距离

distance1=(diff1(:,1) diff1(:,2)).^0.5;

distance2=(diff2(:,1) diff2(:,2)).^0.5;

distance3=(diff3(:,1) diff3(:,2)).^0.5;

%将三个一维数组合成一个二维矩阵

temp=[distance1 distance2 distance3];

%将这个二维矩阵转换为一维数组

distance=reshape(temp,1,3*4);

%对距离进行排序

distance_sort=sort(distance);

%用一个循环寻找最小的K个距离里面那个类里出现的频率最高，并返回该类

num1=0;%第一类出现的次数

num2=0;%第二类出现的次数

num3=0;%第三类出现的次数

sum=0;%sum1,sum2,sum3的和

for i=1:K

for j=1:4

if distance1(j)==distance_sort(i)

num1=num1 1;

end

if distance2(j)==distance_sort(i)

num2=num2 1;

end

if distance3(j)==distance_sort(i)

num3=num3 1;

end

end

sum=num1 num2 num3;

if sum>=K

break;

end

end

class=[num1 num2 num3];

classname=find(class(1,:)==max(class));

fprintf('测试点(%f %f)属于第%d类',testData(1),testData(2),classname);

%%使用绘图将训练集点和测试集点绘画出来

figure(1);

hold on;

for i=1:4

plot(trainData1(i,1),trainData1(i,2),'*');

plot(trainData2(i,1),trainData2(i,2),'o');

plot(trainData3(i,1),trainData3(i,2),'>');

end

plot(testData(1),testData(2),'x');

text(0.1,0.1,'第一类');

text(1.1,0.1,'第二类');

text(0.1,1,'第三类');

标签： 算法