-
Data-mining: 数据挖掘中使用的k-means聚类算法及Matlab实现代码
资源介绍
k-means聚类算法及matlab代码
数据挖掘实验
实验一：相似度、距离、最近邻分类器
1、实验目的
（1）理解相似度、距离的度量方式。
（2）理解最近邻分类器的工作原理。
2、实验内容
（1）、实现任意给定两个相同维度的向量之间的欧氏距离计算函数
function
dist
=
dist_E(x,y)
（2）、实现任意给定两个相同维度的向量之间的夹角余弦相似度计算函数
function
sim
=
sim_COS(X,Y)
（3）、实现K最近邻算法
KNN算法思想
输入参数：k值、trainingSamples（训练数据集，MN矩阵，M为样本数，N为属性
数）、trainingLabels（训练数据集的分类标签0、1、2...，M1矩阵）,
testingSample
（测试数据，1*N矩阵）
输出参数：class（测试数据对应类别标签）
算法流程：
得到训练数据集trainingSamples的大小M，N
初始化Distance数组（M*1），用来存储每个训练样本与测试样本的距离。
对每一个训练样本trainingSamples(i,:)【for
i=1:M】，计算其与测试样本