k临近算法 matlab代码

K临近算法（K-nearest neighbors algorithm）是一种常用的分类算法，可以用于解决分类问题。下面是一个简单的K临近算法的Matlab代码示例：

% 训练数据
trainData = [1, 1; 1, 2; 2, 2; 4, 3; 3, 2; 3, 4];
trainLabel = [1; 1; 1; 2; 2; 2];

% 测试数据
testData = [2.5, 3];

% 设置K值
K = 3;

% 计算测试数据与训练数据的距离
distances = zeros(size(trainData, 1), 1);
for i = 1:size(trainData, 1)
    distances(i) = norm(testData - trainData(i, :));
end

% 根据距离排序并取前K个最近的样本
[sortedDist, indices] = sort(distances);
kNearestLabels = trainLabel(indices(1:K));

% 根据K个最近的样本进行投票，选取出现次数最多的类别作为预测结果
predictedLabel = mode(kNearestLabels);

disp('预测结果:');
disp(predictedLabel);

这段代码中，首先定义了训练数据`trainData`和对应的标签`trainLabel`，然后定义了测试数据`testData`和K值。接下来，计算测试数据与训练数据之间的距离，并根据距离排序取前K个最近的样本。最后，根据K个最近的样本进行投票，选取出现次数最多的类别作为预测结果。

请注意，这只是一个简单的示例，实际使用时可能需要根据具体情况进行修改和扩展。