Question

所以我想使用我在下面定义的数据（有两个标签）并使用KNN进行培训和测试以及交叉验证。我找不到有用的MATLAB教程，所以如果你们能帮助我，我会很感激。

想象一下我有

Data=rand(2000,2);
Lables=[ones(1000,1);-1*ones(1000,1)];

我想使用KNN并拥有：

50％的培训数据
25％交叉验证
25％测试

Answer 1

您提供的数据不是很好的数据集，因为两组之间没有差异。你应该使用

Data = [rand(1000,2)+delta;rand(1000,2)-delta];

最大的三角洲，分类越容易 kNN背后的想法是你不需要任何培训。

假设您有一个带有N个标记值的数据集。现在假设您有一个您想要分类的条目。

如果考虑1-NN分类器，则计算输入与N标记训练示例之间的距离。输入被分类为具有最短距离的示例的标签。

在k-NN分类器中，您可以检查具有最短距离的示例的k个标签。拥有最多NN的班级获胜。

在MATLAB中，您可以使用knnserach查找最近的k个索引，或者只使用knnclassify来获取标签。

这是knnserach的一个例子

delta = 0.3;
N1 = 50;
N2 = 50;
Data1 = rand(1000,2)+delta;
Data2 = rand(1000,2)-delta;
train = [Data1(1:N1,:);Data2(1:N2,:)]; % create a training set
labels = [ones(N1,1);-1*ones(N2,1)]; % create labels for the training
plot(train(1:N1,1),train(1:N1,2),'xb',train(N1+1:end,1),train(N1+1:end,2),'or')
k = 7; % Can't be an even number
idx = knnsearch(train,Data1(N1+1:end,:),'K',k); % classify for the rest of data 1
res1 = 0;
for i=1:size(idx,1)
    if sum(labels(idx(i,:))) < 0;
        res1 = res1 + 0; % wrong answer
    else
        res1 = res1 + 1; % correct answer
    end
end
idx2 = knnsearch(train,Data2(N2+1:end,:),'K',k); % classify for the rest of data 2
res2 = 0;
for i=1:size(idx2,1)
    if sum(labels(idx2(i,:))) > 0;
        res2 = res2 + 0; % wrong answer
    else
        res2 = res2 + 1; % correct answer
    end
end
corr = res1+res2;
tot = size(idx2,1)+size(idx,1);
fprintf('Classified %d right out of %d. %.2f correct\n',corr,tot,corr / tot * 100)

KNN Matlab列车测试交叉验证

1 个答案: