在MATLAB中计算给定实例向量的KNN时，如何对维度进行加权？

假设我有一堆实例，我想找到与特定实例最近的

K

实例。此外，在计算距离时，我有一些权重来显示每个维度的强度。如何将这些权重与MATLAB中的

KNN

查找过程结合起来？

有两种方法可以让您做到这一点。查看

knnsearch

文档，您可以使用

seuclidean

标志执行标准化欧几里德距离。通过除以

S

中的相应比例值来缩放两点之间的每个坐标差<默认情况下，code>S是每个坐标的标准偏差。通过指定

Scale

参数，然后指定每个组件将为您缩放每个维度的向量，而不是每个维度中的标准偏差，可以手动指定这些比例

因此，坐标的贡献越大，标度应越大，因为您希望聚合坐标，并允许较大的距离具有较小的欧氏距离。这与衡量每个维度的优势基本相同

或者，您可以提供自己的函数来计算两个向量之间的距离。您可以先定义工作区中的权重，然后创建一个匿名函数包装器，在自己计算任何距离度量时访问这些权重。匿名函数只能接受两个向量，对应于KNN中的两个不同坐标向量。同样地，使用这个匿名函数访问工作区中应该已经定义的权重，然后从那里开始

退房：