数据挖掘之分类算法---knn算法（Matlab代码）knn算法(k-Nearest Neighbor algorithm).是⼀种经典的分类算法.
注意，不是聚类算法.所以这种分类算法必然包括了训练过程.
然⽽和⼀般性的分类算法不同,knn算法是⼀种 懒惰算法 .它并⾮
像其他的分类算法先通过训练建⽴分类模型.,⽽是⼀种被动的分类
过程.它是边测试边训练建⽴分类模型.
鱼字旁的字有哪些算法的⼀般描述过程如下:
1.⾸先计算每个测试样本点到其他每个点的距离.
这个距离可以是欧⽒距离，余弦距离等.
2. 然后取出距离⼩于设定的距离阈值的点.
这些点即为根据阈值环绕在测试样本最邻近的点.
迅雷下载速度为03.选出这些邻近点中⽐例最⼤的点簇的类.
那么就将概测试点归⼊此类.
注意：knn算法的开销很⼤，因为要计算每个样本点到其他所有点的距离.
knn算法的距离⼀般要根据实际样本点的情况来选取.
knn算法的距离阈值要根据样本的分散集中程度来选取.经验⼀般选取样本点集合的均⽅差.
下⾯是⼀个matlab中运⽤knn函数分类的例⼦.
clc;
clear;
load 'Train_Data.mat' %载⼊训练数据
load 'Train_Label.mat' %载⼊训练分类标签amd处理器性能排行
test_data=[43;
42;洲字组词
192;
193]; %测试数据
%knnclassify为matlab提供的knn分类函数.
%参数test_data是待分类的测试数据
%Train_Data是⽤于knn分类器训练的数据
夏字开头的成语%Train_Label是训练的分类标签
%3，即为knn的k值.意思是取某个待分类测试样本点周围三个样本点
%'cosine'---为距离度量，这⾥采⽤余弦距离
%'random'---为分类规则.如何对k个临近点进⾏分类.科层制
% 'k'--即为对测试数据的knn分类结果的类标签
k=knnclassify(test_data,Train_Data',Train_Label',3,'euclidean','random');
关于夏天的文章
Train_Data.mat截图如下：
Train_Label.mat截图如下：
k结果截图如下:
圆周长怎么算
