1 构造kNN分类器

1.1 fitcknn函数

使用fitcknn函数即可构造 (construct) kNN分类器。

输入:
分类集数据
分类集标记
参数表
属性 key
参数 value

kNNClassifier = fitcknn(TrainData', TrainLabels', 'NumNeighbors', 1)

TrainData和TrainLabels，是我分离出的训练集数据，此处做了矩阵转置，因为MatLab的fitcknn函数接收的参数是一行一条数据，一列一个特征维度的。
具体地，TrainData是一个1024×1140 double的数据集，原始数据的结构是每列一条数据，每条数据有1024个特征（feature）。
TrainLabels是一个1×1140 double的数据集，原始数据的结构是每列一个标记，与TrainData一一对应，实现标定。
实际上，fitcknn将TrainLabels识别为ClassNames，也就是说，可以输入非数值型标记，只要区分出类别即可。
输出：
ClassificationKNN对象

1.2 运行实例

kNNClassifier = fitcknn(TrainData’, TrainLabels’, ‘NumNeighbors’, 1)

kNNClassifier = 
  ClassificationKNN
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [1x38 double]
           ScoreTransform: 'none'
          NumObservations: 1140
                 Distance: 'euclidean'
             NumNeighbors: 1
             Properties, Methods

• 此例设置NumNeighbors属性为1，即kNN的k值为1，取1近邻。