knn二分类算法matlab

KNN（K-Nearest Neighbors）是一种简单的分类和回归算法，其基本思想是：对于一个新的测试样本，根据其与已知样本的距离，找到距离最近的K个样本，然后根据这K个样本的类别进行投票，将得票最多的类别作为测试样本的类别。

下面是一个简单的KNN二分类算法的MATLAB代码示例：

% 加载数据集
load iris_dataset

% 将数据集分为训练集和测试集
[trainInd, testInd] = dividerand(size(irisInputs,2), 0.7, 0.3);
trainInputs = irisInputs(:,trainInd);
trainTargets = irisTargets(:,trainInd);
testInputs = irisInputs(:,testInd);
testTargets = irisTargets(:,testInd);

% 设置K值
K = 5;

% 对测试集中的每个样本进行分类
for i = 1:size(testInputs,2)
    % 计算测试样本与训练集中每个样本的距离
    distances = sqrt(sum((testInputs(:,i) - trainInputs).^2, 1));

    % 找到距离最近的K个样本
    [~, indices] = sort(distances);
    kNearestTargets = trainTargets(:,indices(1:K));

    % 对K个样本的类别进行投票
    predictedTarget = mode(kNearestTargets);

    % 输出预测结果和真实结果
    fprintf('Predicted target: %d, True target: %d\n', find(predictedTarget), find(testTargets(:,i)));
end

在这个示例中，我们使用了鸢尾花数据集作为示例数据集。首先，我们将数据集分为训练集和测试集。然后，我们设置K值为5，对于测试集中的每个样本，计算其与训练集中每个样本的距离，找到距离最近的K个样本，并对这K个样本的类别进行投票。最后，输出预测结果和真实结果。