Ich habe 3 Datenfelder (Klassen) in verschiedenen Größen:k-nearest-neighbor (fitcknn oder knnclassify)
d1=[-3.34,0.11,1.07,0.82,-0.51,-1.24,4.0,1.15,1.29,-3.38,-1.12,1.35,-0.14,1.21,-2.11,0.48,2.16,0.91,-0.78,1.13,1.32];
d2=[3.27,4.57,4.12,4.99,4.40,4.08,5.96,3.37,4.0,3.56,4.81,3.02,3.01,2.62,3.77,7.01,2.84,2.79,4.41,2.08,6.66,6.65,4.65,5.78,5.81,5.65,3.73,4.31,4.84,3.70,4.73,2.98,3.95,3.58];
d3=[3.66,6.16,10.07,7.17,8.17,7.33,6.24,7.02,6.52,7.27,7.86,9.27,11.58,5.12,10.12,9.07,11.57,9.12,9.88,6.71,8.18,9.29,6.56,10.40,7.39,8.30,10.87,11.79,8.77,11.08,8.66,7.78,10.00,6.14,8.74];
Und ich brauche testValues [-2,0,2,4,6,8,10]
auf k=1
und k=3
zu klassifizieren.
Ich versuche es mit fitcknn
zu tun. Aber mit fitcknn
, bin ich mir nicht sicher über die richtige Art und Weise Argumente zu setzen, um k1Model und k3Model zu bauen.
;; Ich habe überprüft und herausgefunden, dass "knnclassify" hier nicht geeignet ist, da es Matrizen benötigt.
1) Ich würde verwenden fitcknn, weil knnclassify geplant in einem zukünftigen MATLAB-Version entfernt werden. 2) KNN benötigt Etiketten für Ihre Daten. Habe ich Recht, dass Ihre Daten so angeordnet sind, dass die Werte im 'd1'-Vektor die Bezeichnung' d1 'tragen sollen, und so weiter? – DMR