matlab中的knn函数

knn

最邻近分类

Class = knnclassify(test_data,train_data,train_label, k, distance, rule)

k：选择最邻近的数量

distance:距离度量

              \'euclidean\'       欧几里得距离，默认的
              \'cityblock\'        绝对差的和
              \'cosine\'           余弦   （作为向量处理）
              \'correlation\'     相关距离  样本相关性（作为值序列处理）
              \'Hamming\'      海明距离   不同的比特百分比（仅适用于二进制数据）

rule:如何对样本进行分类

              \'nearest\'  最近的K个的最多数
              \'random\'    随机的最多数
              \'consensus\' 共识规则

% Classify the sample using the nearest neighbor classification
training = [mvnrnd([ 1  1],   1.2*eye(2), 100); ...
            mvnrnd([-1 -1], 1.5*eye(2), 100)];
group = [ones(100,1); repmat(2,100,1)];
gscatter(training(:,1),training(:,2),group,\'rb\',\'+x\');
legend(\'Training group 1\', \'Training group 2\');
hold on;
sample = unifrnd(-5, 5, 100, 2);

c = knnclassify(sample, training, group);
gscatter(sample(:,1),sample(:,2),c,\'gc\'); hold on;
legend(\'Training group 1\',\'Training group 2\', ...
       \'Data in group 1\',\'Data in group 2\');
hold off; 

　　结果：