iris數(shù)據(jù)的kmeans和knn算法代碼

clearclcloaddata.txt;a=data(l：30,1:4);%取第一類的前三十組aa=data(31:50，1:4)；%第一類的后二十組b=data(51：80,1:4);%第二類的前三十組bb=data(81:100,1:4);%第二類的后二十組c=data(101：130,1:4)；；％取第三類的前三十組cc=data(131:150,1：4)；%第三類的后二十組train=cat(1,a,b,c);%組成訓練樣本(90*4)test=cat(1,aa,bb,cc);％組成測試樣本(60＊4)c=3;%c均值c=3z1=train(1,:)；z2=train(45,:)；z3=train(90,：)； %初始聚類中心z1,z2,z3m=0;t=0;％迭代步數(shù)whilem==0samp1=[]；samp2=[];samp3=[];%定義空樣本：第一類為sampl,第二類為samp2,第三類為samp3n1=1；n2=1;n3=1；t=t+1；fori=1：90if(pdis(t[train(i,：);z1])〈pdis(t[train(i,：);z2]))＆＆(pdis(t[train(i,:);z1])<pdist([train(i,:)；z3]))%距離%若訓練樣本與聚類zl的距離小于與z2,z3的距離，則賦值于samplesamp1(n1,:)=train(i,：)；nl=nl+l；elseif(pdist([train(i,:)；z2])〈pdist([train(i,：);zl]))＆＆(pdist([train(i,：);z2])<pdist([train(i,:)；z3]))%若訓練樣本與聚類z2的距離小于與z1,z3的距離，則賦值于samp2.samp2(n2,:)=train(i,：)；n2=n2+l;else%其他則賦值于samp3samp3(n3,:)=train(i,：);n3=n3+l；endend%forcl=mean(sampl,l)；c2=mean(samp2,l);c3=mean(samp3,l)； %求出新的均值,產(chǎn)生新的聚類中心ifisequal(cl,zl)＆&isequal(c2,z2)＆＆isequal(c3,z3) %判斷新舊聚類中心是否相等。若相等則結(jié)束m=lm=l；endz1=c1；％新舊聚類中心若不相等，新聚類中心賦值于舊聚類中心。繼續(xù)循環(huán)z2=c2;z3=c3;end％while%%聚類中心z1=[5.02673。451.47330。24667],z2=[5.97032.74594.44051。4676],z3=[6。93.04785。81742。0217]%%kmeans算法結(jié)束后分三類sampl(30*4),samp2(37*4),samp3(23*4)共90行，迭代次數(shù)t=5sum=0;[u，v]=size(test)；%返回測試樣本行列,u=60,v=4test1=[];test2=[]；test3=[]；m1=1;m2=1；m3=1;forx=1：udl=pdist([test(x,：);zl]);%測試樣本與聚類中心zl的距離d2=pdist([test(x,：)；z2])；%測試樣本與聚類中心z2的距離d3=pdist([test(x,:)；z3]);%測試樣本與聚類中心z3的距離ifdl<d2&&dl〈d3%若dl最小則測試樣本賦值于testltest1(m1,:)=test(x,:)；ml=ml+l；m=l；elseifd2<dl&&d2<d3%若d2最小則測試樣本賦值于test2test2(m2,:)=test(x,:);m2=m2+l;m=2;elsetest3(m3,：)=test(x,：);%若d3最小則測試樣本賦值于test3m3=m3+l；m=3;end%分類結(jié)果為testl(20*4),test2(25*4),test3(15*4)共60組ifx〈=20disp(sprintf('第％d組數(shù)據(jù)分類后為第％d類',x+30,m));elseifx>20&&x〈=40disp(sprintf('第％d組數(shù)據(jù)分類后為第％d類'，x+60,m));elseifx〉40&&x〈=60disp(sprintf('第％d組數(shù)據(jù)分類后為第％d類'，x+90,m));endif(x〈=20&&m==l)||(x〉20&&x<=40&&m==2)丨I(x>40&&x<=60&&m==3)sum=sum+l；%正確的個數(shù)endenddisp(sprintf('分類正確率為%4.2f',sum/60))；%正確率clearclcloaddata.txt；a=data(1：30,1:4)；%取第一類的前三十組aa=data(3l:50,l:4);%第一類的后二十組b=data(5l：80,l：4);%第二類的前三十組bb=data(8l:l00,l:4);%第二類的后二十組c=data(101:130,1:4);；%取第三類的前三十組cc=data(131:150,1:4)； %第三類的后二十組train_sample=cat(1,a,b,c);%組成訓練樣本test_sample=cat(1，aa,bb，cc);％組成測試樣本k=5；％k近鄰k取5cha=zeros(1,90);sum=0；[i,j]=size(train_sample)；%i=90,j=4[u,v]=size(test_sample)；％u=60,v=4forx=1:ufory=1：iresult=sqrt((test_sample(x, 1)一train_sample(y, 1))。人2+(test_sample(x,2)-train_sample(y,2)).人2+。..(test_sample(x,3)一train_sample(y,3))。人2+(test_sample(x,4)—train_sample(y,4)).A2)；cha(1,y)=result;%第一個測試樣本與所有訓練樣本間的距離向量end；[z,Ind]=sort(cha)；%從小到大排列Ind用來存儲排序前在cha中的下標90m1=0；m2=0；m3=0;forn=1:kifInd(1,n)<=30m1=m1+1;%前五個中下標小于30的個數(shù)elseifInd(1,n)>30＆＆Ind(1,n)〈=60m2=m2+1； %前五個中下標小于60大于30的個數(shù)elsem3=m3+1;%前五個中下標小于90大于60的個數(shù)endendL=[m1m2m3];ifm1==max(L)m=1;%若m1最大則屬于第一類elseifm2==max(L)m=2;%若m2最大則屬于第二類elseifm3==max(L)m=3； %若m3最大則屬于第二類endifx〈=20disp(sprintf('第％小組數(shù)據(jù)分類后為第％d類',x+30,m))；elseifx>20&&x〈=40disp(sprintf('第％d組數(shù)據(jù)分類后為第％小類'，x+60,m))；elseifx>4