分类预测 | MATLAB实现KNN(K近邻)分类距离计算

分类预测 | MATLAB实现KNN(K近邻)分类距离计算

目录

    • 分类预测 | MATLAB实现KNN(K近邻)分类距离计算
      • 基本介绍
      • 数据描述
      • 程序设计
      • 学习小结
      • 参考资料

基本介绍

KNN(K- Nearest Neighbor)法即K最邻近法,最初由 Cover和Hart于1968年提出,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。KNN算法的核心思想是,如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。

数据描述

用经典iris莺尾花标准数据集为例,最后一列class为分类结果,一共有3类,标签设置为(1,2,3),把前面几个特征指标作为自变量进行类别判定。

你可能感兴趣的:(#,KNN,K近邻,#,GBDT梯度提升树,#,RF随机森林,分类预测,欧式距离,机器学习,KNN)