フィッシャーのアヤメのデータセットを読み込みます。

负载fisheririsX = MEAS;[N，K] =尺寸（X）

n = 150

k = 4

X150年には個の観測値と4つの予測子があります。

データセット全体を学習データとして使用して,網羅的最近傍探索モデルを準備します。

Mdl1 = ExhaustiveSearcher（X）

Mdl1 = exptivesearcher with properties: Distance: 'euclidean' DistParameter: [] X: [150x4 double]

Mdl1はExhaustiveSearcherモデルオブジェクトで，プロパティがコマンドウィンドウに表示されます。このオブジェクトには，距离计量など，学习済みアルゴリズムに关する情报が格纳されています。プロパティの値は，ドット表记を使用して変更できます。

または,creatensを使用し,探索法として“详尽”を指定することによっても,網羅的最近傍探索モデルを準備できます。

MDL2 = createns（X，'NSMethod'，“详尽”）

Mdl2 = exptivesearcher with properties: Distance: 'euclidean' DistParameter: [] X: [150x4 double]

Mdl2はExhaustiveSearcherモデルオブジェクトでもあり,Mdl1と等価です。

一连のクエリデータに対する最近傍をXから探索するには,ExhaustiveSearcherモデルオブジェクトとクエリデータをknnsearchまたはrangesearchに渡します。

フィッシャーのアヤメのデータセットを読み込みます。花弁の寸法に焦点を当てます。

负载fisheririsX = meas(:，[3 4]);％预测因素

網羅的最近傍探索モデルを準備します。マハラノビス距離計量を指定します。

Mdl = createns (X,“距离”，“马氏）

Mdl = exptivesearcher with properties: Distance: 'mahalanobis' DistParameter: [2x2 double] X: [150x2 double]

距離計量がマハラノビスであるため,creatensは既定ではExhaustiveSearcherモデルオブジェクトを作成します。

ドット表记を使用してMdlのプロパティにアクセスします。たとえば,マハラノビス共分散パラメーターにアクセスするには、Mdl.DistParameterを使用します。

Mdl.DistParameter

ans =2×23.1163 1.2956 1.2956 0.5810

クエリデータとMdlは，次の关数に渡すことができます。

ドット表記を使用して,ExhaustiveSearcherモデルオブジェクトを作成し，距离プロパティを変更します。

フィッシャーのアヤメのデータセットを読み込みます。

负载fisheririsX = MEAS;

データセット全体を学習データとして使用して,既定の網羅的探索アルゴリズムを学習させます。

MDL = ExhaustiveSearcher（X）

MDL = ExhaustiveSearcher具有属性：距离： '欧几里得' DistParameter：[] X：[150x4双]

近傍探索モデルでマハラノビス尺度を使用して学習データとクエリデータの間の距離を計算するように指定します。

Mdl。距离=“马氏

MDL = ExhaustiveSearcher具有属性：距离：“马氏DistParameter：[4×4双] X：[150x4双]

Mdlとクエリデータをknnsearchまたはrangesearchのいずれかに渡すと,マハラノビス距離に基づいてクエリデータ内の点に対する最近傍を求めることができます。

関数creatensを使用して，网罗的探索モデルオブジェクトを作成します。k最近傍を探索するため,オブジェクトとクエリデータを関数knnsearchに渡します。

フィッシャーのアヤメのデータセットを読み込みます。

负载fisheriris

クエリセットとして使用するため，5つのアヤメのデータを无作为に予测子データから抽出します。

RNG（'默认')；％用于重现1) n =大小(量;%样本大小qIdx = randsample (n, 5);%查询数据索引X =量(~ ismember (1: n, qIdx):);: Y =量(qIdx);

学習データを使用して網羅的最近傍探索モデルを準備します。最近傍の探索にマハラノビス距離を指定します。

Mdl = createns (X,“距离”，“马氏）

Mdl = exptivesearcher with properties: Distance: 'mahalanobis' DistParameter: [4x4 double] X: [145x4 double]

距離計量がマハラノビスであるため,creatensは既定ではExhaustiveSearcherモデルオブジェクトを作成します。

マハラノビス距離の計算には,学習データ内の予測子(列)の共分散行列が使用されます。この値を表示するには,Mdl.DistParameterを使用します。

Mdl.DistParameter

ans =4×40.6547 -0.0368 1.2320 0.5026 -0.0368 0.1914 -0.3227 -0.1193 1.2320 -0.3227 3.0671 1.2842 0.5026 -0.1193 1.2842 0.5800

求める学習データ(Mdl。X)のインデックスは,クエリデータ(Y2)の各点におけるつの最近傍です。

IdxNN = knnsearch (Mdl Y'K'，2）

IdxNN =5×25 6 98 95 104 128 135 65 102 115

IdxNNの各行は，クエリデータの観测値に対応します。列の顺序は，距离の升顺で并べ替えた最近傍の顺序に対応します。たとえば，マハラノビス距离に基づくと，Y (3:)の2番目の最近傍はX(128年:)になります。