Data_Mining_Projects:在数据挖掘过程中设计的算法

KNN算法方法 针对数据挖掘课程设计了不同的KNN算法。 我们提供了与患者癌症状况相关的数据集，具有10种不同的特征，并为诊断提供了分类部分。 “ 1”用于诊断疾病，“ 0”反之亦然。 在家庭作业中，我将种子函数用作rng（3）。 在第一部分中，使用了Matlab的fitcknn作为内置函数。 代码步骤如下：a）使用randperm函数对数据集进行混洗，然后将其分为两个组：训练数据和验证数据。 该分区的形式为：火车集为80％，验证集为20％。 b）对于距离测量，使用欧几里得距离。 c）此分配没有交叉验证。 d）为了预测验证类别，从1到100使用了100个不同的knn值。e）通过使用plot函数，我们可以观察到如何通过更改knn值来区分误差值。 f）最佳knn = 41且错误率选择为0.0614 第二部分，我想出了我自己的KNN函数，即Fuzzyknn和最接近的knn。 a）我用欧几里