fitcknn函数的使用方法详解

fitcknn函数是MATLAB中用于训练k近邻分类器的函数，下面是该函数的使用方法详解。

语法：

Mdl = fitcknn(X,Y)
Mdl = fitcknn(X,Y,Name,Value)

参数说明:

- X: 输入数据，大小为N-by-P，其中N为数据条目数，P为特征维数。
- Y: 输出数据，大小为N-by-1，其中每个元素是一个类别标签。
- Name-Value对：一些可选参数，用于设置模型的属性和行为。常用的参数有：

- 'NumNeighbors': 用于设置k值，即最近邻的数目，默认值为1。
- 'Distance': 用于设置距离度量函数，可以是以下值之一：'euclidean'、'cityblock'、'cosine'、'correlation'、'hamming'、'jaccard'等。默认值为'euclidean'。
- 'Standardize': 是否对输入数据进行标准化处理，即将每个特征的值减去均值除以标准差。默认值为true。

返回值说明:

- Mdl: k近邻分类器模型，可以用于预测新的样本的类别。该模型包含训练数据的统计信息和k值等。

使用示例：

% 加载数据
load fisheriris

% 将前两个特征作为输入数据
X = meas(:,1:2);

% 将类别标签作为输出数据
Y = species;

% 训练一个k=3的k近邻分类器
Mdl = fitcknn(X, Y, 'NumNeighbors', 3);

% 预测新的样本
xnew = [5.5, 3.0];
[label, score] = predict(Mdl, xnew);
disp(['预测类别为', label{1}]);

上述示例中，首先加载了一个经典的鸢尾花数据集，然后将前两个特征作为输入数据，将类别标签作为输出数据。接着使用fitcknn函数训练了一个k=3的k近邻分类器，并使用predict函数对一个新的样本进行分类预测。最后输出预测结果。