编写MATLAB程序，读取CSV文件，采用K-D树分类器，对鸢尾花数据集进行分类

在MATLAB中，你可以使用`readtable`函数来读取CSV文件，并利用内置的统计和机器学习工具箱来处理鸢尾花数据集。以下是步骤概述：

1. **读取CSV文件**：

data = readtable('filename.csv'); % 替换 'filename.csv' 为你实际的CSV文件名

2. **预处理数据**：
确保数据已经按照特征（如花瓣长度、宽度等）整理成适合分类的数据结构，例如将类别变量（鸢尾花种类）从表转换为向量。

features = data(:, 1:end-1); % 假设最后一列是类别
classes = categorical(data(:, end)); % 将类别转为categorical类型

3. **构建K-D树**：
使用`kdtree`函数创建K-D树。首先，需要计算特征数据的欧几里得距离。

tree = fitckd_tree(features, 'Distance', 'Euclidean');

4. **分类新数据**：
对于新的观测值，通过查找最近邻居的方式应用分类。

new_data = ...; % 新的鸢尾花数据点
[~, idx] = kdtree{knnsearch(tree, new_data, 'NumNeighbors', 1)};
predicted_class = classes(idx);

5. **评估性能**：
可以使用`confusionmat`和`classificationReport`来查看分类结果的准确性。

actual_classes = categories(classes);
confMat = confusionmat(actual_classes, predicted_class);
report = classificationReport(actual_classes, predicted_class);