- 这篇博客主要参考MATLAB R2018a中帮助文档“Classification Using Nearest Neighbors”，介绍了使用MATLAB构建KNN较分类器时可能用到的函数。不得不说MATLAB的库函数还是十分强大的。 笔者仅仅在这里简单介绍相关函数的作用，相关函数更详细的用法请自行查看Help文档。
- 叫旧版本的matlab 可能找不到这些函数。
- 这是笔者第一次在CSDN上写文章，有不妥之处观者指出。 有些函数的作用笔者理解的也不是很透彻，请大佬赐教。
- pdist（）：计算两个点的集合中两两成对之间的距离。可以通过‘Distance’参数设置计算距离的类型。所谓距离的类型比如说有欧几里得距离，汉明距离，闵可夫斯基距离等。
- tiedrank（）：计算某些类型的距离时，需要使用这个函数，但在暂时还不清楚这个函数的深刻含义。这个函数的输入是一个数值向量，返回向量中每个元素在这个向量中的RANK。这个RANK与这个元素在所有元素中的大小排序有关。但是在matlab帮助文档中未看到相关定义和公式。
- rangesearch（X,Y,r）：寻找X集合中的点，其与Y集合中的点的距离小于r。还有很多参数中设置，不一一赘述。不得不说，matlab的库函数真的非常强大。
- knnresearch（）：与rangesearch类似，寻找X中与Y最邻近的点，可以通过参数设置最邻近的点的个数。
- matlab定义了两个搜索器（searcher），这个搜索器其实是一个对象。两个搜索器分别是ExhaustiveSearcher和KDTreeSearcher。这两个对象分别定义相关的属性和函数。knnsearch和rangesearch都是这两个对象的函数。通过ExhaustiveSearcher对象调用knnsearch和rangesearch，使用的是穷举搜索法；而通过KDTreeSearcher则使用基于树的搜索方法。
- knnsearch支持自定义距离公式，例如自定义距离公式为：
chiSqrDist = @(x,Z)sqrt((bsxfun(@minus,x,Z).^2)*w); [Idx,D] = knnsearch(X,Y,'Distance',chiSqrDist,'k',k);7.fitknn构建分类器，参见我的另一篇博客。
-