1

我需要使用KNN搜索对测试数据进行分类并找到分类率。

下面是matlab代码：例如：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    load fisheriris
    x = meas(:,3:4); % x =all training data

    y = [5 1.45;6 2;2.75 .75]; % y =3 testing data 

    [n,d] = knnsearch(x,y,'k',10);   % find the 10 nearest neighbors to three testing data

    for b=1:3
    tabulate(species(n(b,:)))
    end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

结果显示在命令窗口中：

tabulate(species(n(1,:)))
       Value    Count   Percent
   virginica        2     20.00%
  versicolor        8     80.00%

tabulate(species(n(2,:)))
      Value    Count   Percent
  virginica       10    100.00%

tabulate(species(n(3,:)))
       Value    Count   Percent
  versicolor        7     70.00%
      setosa        3     30.00%

如果测试点是'Versicolor'，则第一个和第三个测试点的结果分类正确，第二个测试点的结果是错误的，所以分类率为2/3 x100%=66.7%。

是否有任何想法修改matlab代码以自动找到分类率并将结果保存到工作区中？

4

1 回答 1

1

通常，您可以使用以下方法找到正确预测的数量

sum(predicted_class == true_class)        % For numerical data
sum(strcmp(predicted_class, true_class))  % For cellstrings

或百分比

100 * sum(predicted_class == true_class) / length(predicted_class)

在fisheriris真正的类的情况下是species. 对于您构建的数据，它将是

true_classes = [cellstr('versicolor'); cellstr('versicolor'); cellstr('versicolor')]

在最近邻的情况下，真正的类将是最近邻的类。对于单个邻居：

 predicted_class = species(n)

n找到的最近邻居的索引在哪里[n, d] = knnsearch(x, y)。

sum(strcmp(predicted_class, true_class))
% result: 1

当您只使用一个邻居时，这确实是正确的。

于 2012-12-07T13:37:43.063 回答