KNN算法的Matlab实现

用Matlab实现了KNN算法中最近邻元素的查找，算出的结果与Spss完全一致

% 作者：肖皇
% 时间：20140901
% 该算法是为了实现LinearRegression。


clear all
clc
% 导入入数据
[ndatatextz]=xlsread（‘car_M.xlsx‘）; %ndata为训练集与目标集数据，最后一行为目标字段；text为文本字符
[nm]=size（ndata）;
ndata_standard=zeros（nm）;

%标准化数据 spss里是用这个公式标准化的
for i=1:n
    for j=1:m
       ndata_standard（ij）=2*（ndata（ij）-min（ndata（:j）））/（max（ndata（:j））-min（ndata（:j）））-1; 
    end
end

%计算欧几里德距离 
e_length=zeros（n-11）;
for i=1:n-1
   e_length（i1）=sqrt（（ndata_standard（i:）-ndata_standard（n:））*（ndata_standard（i:）-ndata_standard（n:））‘）;
end

%对求出的距离排序，并记录其原先所在的位置
b=zeros（1n-1）;
for i=1:n-1
    b（1i）=i;
end
for i=1:n-1
   for j=i+1:n-1
       if e_length（i1）>e_length（j1）
          temp=e_length（i1）;
          e_length（i1）=e_length（j1）;
          e_length（j1）=temp;
          temp=b（1i）;
          b（1i）=b（1j）;
          b（1j）=temp;
       end      
   end    
end

%K值
k=3;

% 输出结果
table1=cell（k+1m+1）;
for i=1:m+1
    table1{1i}=z{1i};
end
for i=1:k
   for j=1:m+1
      table1{i+1j}=z{b（1i）+1j};       
   end   
end
disp（‘最近邻的K个邻居的各属性‘）;
disp（table1）;

table=cell（k+12）;
table（1:）={‘model‘‘distance‘};
for i=1:k
    table{i+11}=z{b（1i）+11};
    table{i+12}=e_length（i1）;
end

%显示输出结果
disp（‘最近邻的K个邻居‘）;
disp（table）;

%绘制各变量的直方图
x=zeros（1k）;
for i=1:k
   x（1i）=i; 
end
y=zeros（km）;
for i=1:k
    y（i:）=ndata（b（1i）:）;
end

%设置横坐标注释
model=cell（1k+1）;
for i=1:k
    model{1i}=z{b（1i）+11};
end
model{1k+1}=z{n+11};

for i=1:m     
    subplot（24i）bar（xy（:i））;
    hold on;
    subplot（24i）bar（4ndata（ni）‘r‘）;   
    title（z{1i+1}）;
    set（gca‘Xtick‘[1 2 3 4]）;
    xlabel（model）;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1851  2014-11-11 11:24  main.m
     文件       12057  2014-10-27 15:33  car_M.xlsx