matlab实现KNN

实现KNN算法步骤如下：

1. 导入数据集，对数据进行预处理；
2. 计算测试样本与训练样本之间的距离（一般使用欧式距离），并按照距离递增排序；
3. 选取距离最近的K个样本，统计它们的类别出现的次数；
4. 返回出现次数最多的类别作为测试样本的预测类别。

以下是MATLAB实现KNN算法的代码：

function prediction = KNN(train_data, train_label, test_data, k)
% train_data: 训练数据
% train_label: 训练数据标签
% test_data: 测试数据
% k: K值

    %% 计算距离
    n = size(train_data, 1);  % 训练数据数量
    m = size(test_data, 1);   % 测试数据数量
    
    dis = zeros(m,n);
    for i = 1:m
        for j = 1:n
            dis(i,j) = sqrt(sum((test_data(i,:) - train_data(j,:)) .^ 2));
        end
    end
    
    %% 找到距离最近的K个样本
    [~, idx] = sort(dis,2);  
    idx_k = idx(:, 1:k);
    
    %% 统计K个样本中各个分类出现的次数
    prediction = zeros(m,1);
    for i = 1:m
        label_k = train_label(idx_k(i,));
        [label, ~, count] = unique(label_k);
        [~, max_idx] = max(count);
        prediction(i) = label(max_idx);
    end
end