matlab knn算法 iris

matlab knn算法 iris数据集

load ‘iris.csv‘;
Value1 = mean（iris（:1:4））;%前4列求均值
Value2 = std（iris（:1:4））;%前4列求标准差  
Data = zeros（1505）;
for i = 1:4
    Data（:i） = （iris（:i） - Value1（i）） / Value2（i）;%前4列归一化处理
end
Data（:5） = iris（:5）;
training_set = [Data（1:ceil（50*2/3）:）; Data（51:50 + ceil（50*2/3）:）; Data（101:100 + ceil（50*2/3）:）];%取每类的前2/3作为训练集
test_set = [Data（ceil（50*2/3） + 1:50:）; Data（51 + ceil（50*2/3）:100:）; Data（101 + ceil（50*2/3）:150:）];%取每类的后1/3作为测试集
class = test_set（:5）;%记录类标
test_set（:5） = 0;

k = 5;
dist_class = zeros（size（training_set1）2）;%存放测试欧几里德距离
for i = 1:size（test_set1）
    for j = 1:size（training_set1）
        dist_class（j1） = norm（test_set（i1:4） - training_set（j1:4））;
        dist_class（j2） = training_set（j5）;    
    end
    [BIX] = sort（dist_class1）;%对距离排列
    mindc = B（1:k:）%取k个最近的临近点
    for ii = 1:k 
        if （IX（ii1） ~= ii）
            mindc（ii2） = dist_class（IX（ii1）2）;
        else
            mindc（ii2） = dist_class（ii2）;
        end
    end
    
    class1_num = size（find（mindc（:2） == 1）1）;%最近点中，第1类的个数
    class2_num = size（find（mindc（:2） == 2）1）;
    class3_num = size（find（mindc（:2） == 3）1）;
    if （max（[class1_numclass2_numclass3_num]） == class1_num）
        test_set（i5） = 1;
        fprintf（‘#%d test example: class is 1\n‘i）;
    elseif （max（[class1_numclass2_numclass3_num]） == class2_num）
        test_set（i5） = 2;
        fprintf（‘#%d test example: class is 2\n‘i）;
    else
        test_set（i5） = 3;
        fprintf（‘#%d test example: class is 3\n‘i）;
    end
end
accurateNum = 0;
    for i = 1:size（class1）
        if （test_set（i5） == class（i））
            accurateNum = accurateNum + 1;
        end
    end
    accuracy = accurateNum / size（class1）;
    fprintf（‘KNN算法：%f\n‘accuracy）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2708  2010-03-22 14:39  iris.csv

     文件       1897  2011-04-14 23:52  KNN.m

----------- ---------  ---------- -----  ----

                 4605                    2