Algorithm 在MATLAB中理解knn算法（分类）

我仍然不太熟悉使用MATLAB，所以如果我的问题看起来有点愚蠢，我很抱歉。我正在尝试学习K-NN分类，我的教授说我应该从MATLAB开始。我有一个向量，我们称之为x，它包含两列数据。第一列是功能1，第二列是功能2。x中的每一行表示一个数据点。我还有另一个向量，我们称之为c，它包含每个数据点（1或2）的类标签，只有2个类。 问题是：我应该使用函数“knnsearch”来查找k近邻，并构建一个k-NN分类器。我知道数据中的哪些点是训练集、验证集和测试集。然后，我应该看看被错误分类的点数，看看随着k的增加这是如何变化的

---

我想我知道knnsearch是如何工作的，但我不知道从那里可以走到哪里。有人能帮忙吗？在这一点上，即使是关于算法工作原理的提示也会有所帮助，因为我已经花了11个多小时试图解决这个问题。

您可能会发现

ClassificationKNN

类比

knnsearch

函数更适合您的需要

knnsearch

只查找最近的邻居<代码>分类KNN将其应用于构建分类模型。如果您愿意，您也可以自己做，但是

ClassificationKNN

要容易得多

例如：

% X is your nx2 array of training data
% Y is your nx1 array of training labels

model = ClassificationKNN.fit(X,Y);

% newX is an mx2 array of test data

predictedY = predict(model, newX)

---

事情应该就这么简单。如果您查看统计工具箱的文档，会发现更多关于

分类knn

的演示。如果您只想找到k-NN，可以使用MATLAB提供的函数：

IDX = knnsearch(X,Y)

你可以读更多

---

此外，您可能会发现这个答案很有用。

Sam，我感谢您的帮助。我认为你的解决方案会很好，但我觉得如果我只是使用knnsearch函数来查找算法，然后自己构建分类过程，我就不会那么理解了。如果我想这样做，你有什么建议吗？如果没有，你能告诉我什么资源吗？