文章目錄

• 思路
• 效果
• 代碼
• • mian
  • knn

思路

1、計算已有數據集A中每個個體與新個體B的距離
2、根據距離由近到遠排序
3、根據提供的k值返回距離B最近的k個個體編號與類別

效果

代碼

mian

A=[2 2 01.9 1.9 02.8 2.8 05 5 14 6 16 5 1]; B=[3 3]; k=3; [Neighbors, Classify] = KNN(A,B,k);

knn

function [Neighbors, Classify] = KNN(A,B,k) %A：前nums-1列為屬性，最后一列為類別 %B：只有1行,nums-1列 %k：近鄰數量 %采用歐式距離 %Neighbors:距離最近的鄰居編號 %Classify:距離最近的鄰居對應的類別 size_A=size(A); Temp_A=A(:,1:size_A(2)-1); Dis_A_B=zeros(size_A(1),2); Dis_A_B(:,1)=1:size_A(1); Dis_A_B(:,2)=sqrt(sum((Temp_A-B).^2,2)); Sorted_Dis_A_B=sortrows(Dis_A_B,2); Neighbors=Sorted_Dis_A_B(1:k,1); Classify=A(Neighbors,size_A(2)); end

總結

以上是生活随笔為你收集整理的机器学习 KNN算法_0 丐版(matlab实现)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。