标签：KNN train equal label 分类器 num MATLAB test

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

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。