我在不使用内置函数的情况下预测KNN分类器时遇到了一些麻烦。我被困在这里，不知道如何进行下一步。这是我的代码：
% calculate Euclidean distance
dist = pdist2(test, train, 'euclidean');
for k = [1 3 5 7]
[~, nearest] = sort(dist, 2);
nearst = nearest(:, 1:k);
end % for loop
其中test是297x64矩阵，train是1500x64矩阵。该dist矩阵是297x1500。任何帮助将不胜感激！
因此，您设法获得了距离中的排序索引nearst，您所要做的就是引用原始数据的标签。因此，您在某处有一个变量labels，该变量为每个点保留一个真实的标签。使用存储在nearst其中的索引读出它们，并简单地报告最常见的值。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句