模式识别 matlab实现K近邻本文已参与「新人创作礼」活动，一起开启掘金创作之路。关于K近邻的基础知识看这位优秀博

本文已参与「新人创作礼」活动，一起开启掘金创作之路。

关于K近邻的基础知识看这位优秀博主的文章：模式识别（Pattern Recognition）学习笔记（二十五）--最近邻法_eternity1118_的博客-CSDN博客

这里只讲实现：

贴下代码：

注：

数据的处理：我这里是从已知样本中各选取一半，一半用来做测试样本，即Iris_test,一半用来做训练，即Iris_xun，而且训练样本前25个是第一类，26-50是第二类，51-75是第三类。请看代码时时刻记得。

K近邻：只是在那个for循环里面，里面还夹杂着画图等等语句。

%% k近邻  
clear;clc;
fid = fopen('Iris.txt','r','n','UTF-8');
test1 = fopen('Iris.txt');
T2=textscan(test1,'%f%f%f%f%f','Delimiter',{':',';'});
Iris_Matri = [T2{1,2},T2{1,3},T2{1,4},T2{1,5}];
Iris_xun = [Iris_Matri(1:25,:);Iris_Matri(51:75,:);Iris_Matri(101:125,:)];
Iris_test =[Iris_Matri(26:50,:);Iris_Matri(76:100,:);Iris_Matri(126:150,:)];
k =1;
temp_vect = zeros(75,1);
temp = 0; temp_index = 0;score = zeros(k,1);
temp_vect_sort = zeros(75,1);
error = 0;label_data = zeros(75,1);
for i =1:75   %i表示第几个测试样本
    for j =1:75  %j代表了训练样本的下标
        if(j<=25)
            label_data(j,1) = 1;
        elseif(j<=50)
            label_data(j,1) = 2;
        else
            label_data(j,1) = 3;
        end
        temp_vect(j,1) =sqrt( ( Iris_test(i,1)-Iris_xun(j,1) )^2   + ( Iris_test(i,2)-Iris_xun(j,2) )^2 +( Iris_test(i,3)-Iris_xun(j,3) )^2   + ( Iris_test(i,4)-Iris_xun(j,4) )^2 );
    end
    [B,temp_index]  = sort(temp_vect,'ascend'); %B是排序，index是原位置
    resultlable = label_data(temp_index(1:k));
    w1_num = length(find(resultlable==1));w2_num =length( find(resultlable==2));
    w3_num =length( find(resultlable==3)); %a表示K近邻中判断是第一类的个数，b，c类似类似
    policy_vec = [w1_num,w2_num,w3_num];[x,inde_fin]=max(policy_vec);
    fprintf('第%d个样本是第%d类\n',i,inde_fin);
    if(label_data(i) ~= inde_fin)
        error =error+1;
        flag = 1;
    end   
    if(flag)
         plot( Iris_test(i,4), Iris_test(i,3),'rs' );
         flag =0;
    else
        % 训练样本蓝点，测试样本红，错误的黑色框
        if(inde_fin == 1)
            plot( Iris_xun(i,4), Iris_xun(i,3),'ro' );
            plot( Iris_test(i,4), Iris_test(i,3),'ro' );
        elseif(inde_fin == 2)
            plot( Iris_xun(i,4), Iris_xun(i,3),'go-' );
            plot( Iris_test(i,4), Iris_test(i,3),'go-' );
        else
            plot( Iris_xun(i,4), Iris_xun(i,3),'bo' );
            plot( Iris_test(i,4), Iris_test(i,3),'go' );
        end
    end
    
    hold on;
end
fprintf('             %d近邻测试\n',k);
fprintf('共测试了%d个数据   训练了%d个数据\n',i,j);
fprintf('错误的个数为：%d,   错误率为 %f%%',error,error*100/i);