matlab中的knn函数

knn

最邻近分类

Class = knnclassify(test_data,train_data,train_label, k, distance, rule)

k：选择最邻近的数量

distance:距离度量

‘euclidean‘       欧几里得距离，默认的
              ‘cityblock‘        绝对差的和
              ‘cosine‘           余弦   （作为向量处理）
              ‘correlation‘     相关距离  样本相关性（作为值序列处理）
              ‘Hamming‘      海明距离   不同的比特百分比（仅适用于二进制数据）

rule:如何对样本进行分类

‘nearest‘  最近的K个的最多数
              ‘random‘    随机的最多数
              ‘consensus‘ 共识规则

% Classify the sample using the nearest neighbor classification
training = [mvnrnd([ 1  1],   1.2*eye(2), 100); ...
            mvnrnd([-1 -1], 1.5*eye(2), 100)];
group = [ones(100,1); repmat(2,100,1)];
gscatter(training(:,1),training(:,2),group,‘rb‘,‘+x‘);
legend(‘Training group 1‘, ‘Training group 2‘);
hold on;
sample = unifrnd(-5, 5, 100, 2);

c = knnclassify(sample, training, group);
gscatter(sample(:,1),sample(:,2),c,‘gc‘); hold on;
legend(‘Training group 1‘,‘Training group 2‘, ...
       ‘Data in group 1‘,‘Data in group 2‘);
hold off;

　　结果：

原文地址：https://www.cnblogs.com/wander-clouds/p/8901161.html