基于kernel的KNN 分类算法

最新推荐文章于 2024-10-03 22:21:04 发布

原创最新推荐文章于 2024-10-03 22:21:04 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

乐在科研中同时被 2 个专栏收录

148 篇文章

订阅专栏

数学 Matlab 基本知识

146 篇文章

订阅专栏

本文详细介绍了KNN算法中的1NN部分，包括如何使用最小距离选择最近邻居进行预测，以及如何在训练数据集中寻找最相似的数据点。通过实现函数，展示了在测试数据集上的应用过程，包括数据预处理、距离计算、类别计数和最终预测结果的生成。文章还提供了实际案例，说明了该方法在分类任务中的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

function [CRR,y_hat]=myNN(Test_Data,Train_Data,K)
%Train_data.X: M*M
%test_data.X: M*N
%Train_data.y: 1*M
%test_data.y: 1*N
Number_Samples=length(Test_Data.y);
Number_Train_Samples=length(Train_Data.y);
y_hat=zeros(1,Number_Samples);
for tmpC1 = 1:Number_Samples
%1NN
% [junk1,tmpInd]=min(Test_Data.X(tmpC1,:));
% y_hat(tmpC1) = Train_Data.y(tmpInd);
%KNN
[a,b]=sort(Test_Data.X(tmpC1,:));
K_labels = Train_Data.y(b(1:K));
[~,K] = size(K_labels);
class_count = zeros(1,max(Test_Data.y));
for i=1:K
class_index = K_labels(i);
class_count(class_index) = class_count(class_index) + 1;
end
[~,y_hat(tmpC1) ]= max(class_count);
end

CRR=1-length(find((y_hat-Test_Data.y)~=0))/Number_Samples

参考网址：http://blog.youkuaiyun.com/rk2900/article/details/9080821