matlab KNN代码

当然可以！以下是一个使用MATLAB实现K最近邻算法（K-Nearest Neighbors, KNN）的示例代码：

% 生成样本数据
features = [1 1; 1 2; 2 2; 4 4; 5 4; 5 5];  % 特征向量
labels = [1; 1; 1; 2; 2; 2];  % 标签

% 定义要预测的数据点
newData = [3 3];

% 计算新数据点与所有样本之间的欧氏距离
distances = sqrt(sum((features - newData).^2, 2));

% 根据距离进行排序
[sortedDist, idx] = sort(distances);

% 设置K值
k = 3;

% 选择最近的K个样本
kNearestLabels = labels(idx(1:k));

% 统计最近K个样本中每个类别的数量
counts = histc(kNearestLabels, unique(kNearestLabels));

% 找到数量最多的类别
[~, maxIdx] = max(counts);
predictedLabel = unique(kNearestLabels(maxIdx));

disp(['预测结果：' num2str(predictedLabel)]);

在这个示例中，我们首先生成了一些样本数据，其中特征向量存储在`features`矩阵中，对应的标签存储在`labels`矩阵中。然后，我们定义了一个新的数据点`newData`，我们希望通过KNN算法对其进行分类预测。

接下来，我们计算新数据点与所有样本之间的欧氏距离，并对距离进行排序。然后，我们选择最近的K个样本，并统计这K个样本中每个类别的数量。最后，我们选择数量最多的类别作为预测结果。

请注意，这只是一个简单的示例代码，实际应用中可能需要进行更多的数据预处理和模型优化。希望对你有所帮助！如有任何问题，请随时提问。