【MATLAB】机器学习：KNN分类器实验

实验内容

1.选取合适的数据集，进行训练集和测试集的划分。
2.使用KNN分类器进行分类，分析参数的影响。

实验代码

clear;clc;
% ******************************问题一********************************
% ********************************************************************
%% 导入鸢尾花数据
iris = readtable('iris.data','Filetype','text','ReadVariableNames',false);
pattern=iris{:,1:4};
target=iris{:,5};
for i=1:size(pattern,1)
    if strcmp(target(i,1),'Iris-setosa')
        label(i,1)=1;
    elseif strcmp(target(i,1),'Iris-versicolor')
        label(i,1)=2;
    else
        label(i,1)=3;
    end;
end
%% 留出法划分训练集和测试集
num=randperm(size(pattern,1));
train=pattern(num(1:round(length(num)*2/3)),:);         % 训练集
train_label=label(num(1:round(length(num)*2/3)),:);     % 训练集标签
test=pattern(num(round(length(num)*2/3)+1:end),:);      % 测试集
test_label=label(num(round(length(num)*2/3)+1:end),:);  % 测试集标签


% ******************************问题二********************************
% ********************************************************************
%% 使用KNN分类器进行分类
Accuracy2=[];
% 参数k取1时
[Class,RANK] = cvKnn(test', train', train_label', 1);   
class=Class';
equal=(class==test_label);
Accuracy2(1)=sum(equal)/size(equal,1);
% 参数k取2~10时
for k=2:1:10
    [Class] = cvKnn(test', train', train_label', k);
    class=Class';
    equal=(class==test_label);
    acc=sum(equal)/size(equal,1);
    Accuracy2(1,k)=acc;
end
% 分析参数的影响,绘制参数k对KNN分类器精度的影响图
x=1:1:10;
plot(x,Accuracy2);
hold on;
axis([1 10 0 1]);
xlabel('k值', 'FontSize',14);
ylabel('精度', 'FontSize',14);
title("参数k对KNN分类器精度的影响");

实验结果

标签：KNN,train,equal,label,分类器,num,MATLAB,test
来源： https://blog.csdn.net/Orange_Jet/article/details/122607916