Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
A localiza los vecinos -más cercanos o todos los vecinos dentro de una distancia especificada para consultar puntos de datos, en función de la métrica de distancia especificada.Búsqueda de vecinos más cercanosk Las métricas de distancia disponibles incluyen Euclidiano, Hamming y Mahalanobis, entre otros.
ofrece dos maneras de encontrar a los vecinos más cercanos.Statistics and Machine Learning Toolbox™ Puede crear un objeto de búsqueda con un conjunto de datos de entrenamiento y pasar los conjuntos de datos de objeto y consulta a las funciones de objeto ( y ).knnsearch
rangesearch
O bien, puede usar las funciones y, que toman directamente un conjunto de datos de entrenamiento y un conjunto de datos de consulta.knnsearch
rangesearch
Crear un objeto de búsqueda es preferible cuando tiene varios conjuntos de datos de consulta porque el objeto de búsqueda almacena información común a los conjuntos de datos. Por ejemplo, un objeto almacena un árbol d.KDTreeSearcher
K
Clasificación con los vecinos más cercanos
Clasificar los puntos de datos en función de su distancia a los puntos de un conjunto de datos de entrenamiento, utilizando una variedad de métricas de distancia.