用MATLAB设计KNN算法

MATLAB中可以使用自带的ClassificationKNN函数来实现KNN算法。下面是一个简单的KNN分类器的示例代码：

1. 准备数据

在这个示例中，我们使用MATLAB自带的鸢尾花数据集。首先需要将数据集分为训练集和测试集。

% Load iris dataset
load fisheriris

% Split the dataset into training and testing sets
cv = cvpartition(species,'HoldOut',0.3);
Xtrain = meas(cv.training,:);
Ytrain = species(cv.training);
Xtest = meas(cv.test,:);
Ytest = species(cv.test);

2. 训练模型

使用ClassificationKNN函数来训练模型。在这个示例中，我们将K值设置为5。

% Train KNN classifier
mdl = fitcknn(Xtrain,Ytrain,'NumNeighbors',5);

3. 测试模型

使用测试集来测试模型的准确性。

% Test the model
Ypred = predict(mdl,Xtest);

% Calculate classification accuracy
accuracy = sum(Ypred == Ytest)/length(Ytest);
fprintf('Classification accuracy: %.2f%%\n', accuracy*100);

完整代码如下：

% Load iris dataset
load fisheriris

% Split the dataset into training and testing sets
cv = cvpartition(species,'HoldOut',0.3);
Xtrain = meas(cv.training,:);
Ytrain = species(cv.training);
Xtest = meas(cv.test,:);
Ytest = species(cv.test);

% Train KNN classifier
mdl = fitcknn(Xtrain,Ytrain,'NumNeighbors',5);

% Test the model
Ypred = predict(mdl,Xtest);

% Calculate classification accuracy
accuracy = sum(Ypred == Ytest)/length(Ytest);
fprintf('Classification accuracy: %.2f%%\n', accuracy*100);

这个示例中，KNN算法的准确性为93.33%。