matlab编写一个KNN并测试

好的，下面是一个简单的MATLAB实现KNN的代码：

% 训练数据
train_data = [2,3;5,4;9,6;4,7;8,1;7,2];
train_label = [1;1;2;2;3;3];

% 测试数据
test_data = [6,3;2,8;7,4;4,4];
test_label = [1;2;2;3];

% 设置参数k
k = 3;

% 预测结果
predict_label = knn(train_data, train_label, test_data, k);

% 计算准确率
accuracy = sum(predict_label == test_label) / length(test_label);
disp(['Accuracy: ', num2str(accuracy)]);

% KNN函数
function predict_label = knn(train_data, train_label, test_data, k)
    n_test = size(test_data, 1);
    predict_label = zeros(n_test, 1);
    
    for i = 1:n_test
        dist = sqrt(sum((train_data - test_data(i,:)).^2, 2)); % 计算距离
        [~, indices] = sort(dist); % 排序
        k_labels = train_label(indices(1:k)); % 取出前k个标签
        predict_label(i) = mode(k_labels); % 取众数作为预测标签
    end
end

在这个例子中，我们使用训练集和测试集来测试KNN算法的准确性。首先，我们定义了一个训练集和一个测试集，然后设置参数k。接着，我们调用`knn`函数来进行预测，并计算准确率。`knn`函数接受四个参数：训练数据、训练标签、测试数据和k值。在函数内部，我们首先计算测试数据与训练数据之间的距离，然后按照距离进行排序，并取出前k个标签。最后，我们取这k个标签的众数作为预测标签。

你可以把上面的代码复制到MATLAB编辑器中，然后运行它来测试KNN算法的准确性。