算法简介：

K-近邻法（KNN）是一种简单而有效的分类算法，也可用于回归问题。它的基本原理是根据待分类样本与训练样本的距离，选取最近的K个样本进行投票决定分类。该算法无需训练过程，而是利用训练数据集直接进行预测。KNN算法简单易懂，对于非线性问题有很好的适应性，但对于大型数据集计算量较大。在MATLAB中，可以使用fitcknn函数来训练KNN分类模型，使用predict函数对新样本进行预测。

部分代码：

x=randn(1,2);%待判样本
hold on,plot(x(1),x(2),'m+','MarkerSize',10,'LineWidth',2)
for i=1:2*Ndist(i)=norm(x-X(i,:));
end
[Sdist,index]=sort(dist,'ascend');
K=5; %近邻数目 
for i=1:Khold on,plot(X(index(i),1),X(index(i),2),'ko');
end
legend('Cluster 1','Cluster 2','x','Location','NW')
flag1=0;flag2=0;
for i=1:Kif ceil(index(i)/N)==1flag1=flag1+1;elseif ceil(index(i)/N)==2flag2=flag2+1;end
end
disp(strcat('K近邻中包含',num2str(flag1),'个第一类样本'));
disp(strcat('K近邻中包含',num2str(flag2),'个第二类样本'));
if flag1>flag2disp('判断待判样本属于第一类');
elsedisp('判断待判样本属于第二类');
end

结果展示：

代码获取：MATLAB分类与判别模型算法：K-近邻法（KNN）分类代码