初学者对K近邻分类算法的理解与matlab平台上的实现

     刚接触machine learning，本着对接触到算法都自己编写一遍以帮助理解的理念，今日便将学习第一个算法（knn分类算法）的过程在这里记录下来，与大家分享，错误之处还希望大家指正哈。

    k近邻分类算法应该是一个比较基础的算法了，当初接触spectral clustering 时就用过它，但当时是直接调用的，自己并没有去认真的编写。废话不多讲了，下面是正文。

    Knn近邻算法的基本原理是利用当前数据x与数据样本y中的距离最近的k个样本记录，依据这k个样本记录中大多数所属的类别来确定数据x的类别，其中数据x与数据样本需要有相同数目的属性，即列数相同（一般矩阵的列表示属性，一列代表一个属性，矩阵的行则一般代表数据样本的一组属性观测值）。比如数据x有x1,x2,x3...xn个属性，则样本数据y也有n个属性相对应，而且数据样本y中的每行已经被正确分类。

   下面粘贴 在matlab上实现的代码

 比较笨，这么短的代码撸了一个下午。代码中计算距离使用的是欧式距离，确定待分类数据的类别采用的是 k个最近邻居中大多数属于哪一个类，则判定待分类数据的类别，是不是感觉很粗糙？ 对啊，我也是这么觉得的，下面我们来粗略分析下。

     suppose训练数据共有100个记录，共分为2类，