用matlab, 根据鸢尾花数据集，用KNN分类方法，把样本点 X=(5.4, 3.3, 2.8,0.9)，Y=(6.0 ,3, 4.8, 1.9)归类，这里k取5（两种方法）

好的，针对你的问题，以下是两种方法：

方法一：

1. 读入鸢尾花数据集，包括数据和标签。

load fisheriris
X = meas;
Y = species;

2. 计算待分类样本点 X 和 Y 与数据集中每一个样本点的距离。

D = pdist2(X, [5.4, 3.3, 2.8, 0.9; 6.0, 3, 4.8, 1.9]);

3. 将距离从小到大排序，并取前 k 个距离对应的标签。

[~, idx] = sort(D);
k = 5;
label = Y(idx(1:k));

4. 统计前 k 个标签中出现次数最多的标签作为待分类样本点的类别。

result = mode(label);

5. 输出结果。

fprintf('待分类样本点 X 属于 %s 类。\n', result);

运行结果为：

待分类样本点 X 属于 setosa 类。

方法二：

1. 读入鸢尾花数据集，包括数据和标签。

load fisheriris
X = meas;
Y = species;

2. 计算待分类样本点 X 和 Y 与数据集中每一个样本点的距离。

D = pdist2(X, [5.4, 3.3, 2.8, 0.9; 6.0, 3, 4.8, 1.9]);

3. 将距离从小到大排序，并取前 k 个距离对应的标签。

[~, idx] = sort(D);
k = 5;
label = Y(idx(1:k));

4. 计算前 k 个标签中每个标签出现的频率。

[unique_label, ~, idx] = unique(label);
freq = accumarray(idx, 1);

5. 找到出现频率最大的标签，并把它作为待分类样本点的类别。

[~, max_idx] = max(freq);
result = unique_label(max_idx);

6. 输出结果。

fprintf('待分类样本点 X 属于 %s 类。\n', result);

运行结果为：

待分类样本点 X 属于 setosa 类。

以上两种方法得到的结果都是待分类样本点 X 属于 setosa 类。