KNN数据分类算法的matlab仿真

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码


1.算法概述

        KNN的本质是通过距离判断待测样本和已知样本是否相似。待测样本找到与已知样本中与其距离最近的K个样本,对这k个样本,它们大多数属于哪一类别,就把待测样本归为哪一类别。KNN是通过测量不同特征值之间的距离进行分类。它的的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。K通常是不大于20的整数。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定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。

       在训练集中数据和标签已知的情况下,输入测试数据,将测试数据的特征与训练集中对应的特征进行相互比较,找到

你可能感兴趣的:(MATLAB仿真案例,数据挖掘,KNN数据分类,KNN,数据分类)