MATLAB神经网络函数k_nn_classify和k_nn_evaluate

资 源 简 介

MATLAB神经网络函数k_nn_classify和k_nn_evaluate

详 情 说 明

MATLAB中的k_nn_classify和k_nn_evaluate函数组成了一个完整的K最近邻（KNN）分类与评估工具链，特别适用于金融领域的预测任务（如股票、债券、期货等）。该实现提供了从数据分类到模型性能验证的闭环解决方案。

核心函数说明： k_nn_classify（分类器） 输入要求：特征数据以单元格数组形式组织，每个单元格对应一个类别的特征矩阵（维度×样本数）。测试样本、K值、标准化标志和距离度量方式（L1/L2）作为关键参数。 输出结果：返回每个类别的概率分布向量及最终预测标签，支持类先验权重调整，增强金融数据中的类别不平衡处理能力。

k_nn_evaluate（评估器） 验证模式：支持两种交叉验证策略——反复保持法（可设置训练集比例和迭代次数）和留一法，适用于不同规模金融数据集。 评估指标：生成原始和行归一化两种混淆矩阵，配套输出精度（AC）、精确率（PR）、召回率（RE）和F1值，多维度的量化指标帮助判断模型在波动市场中的稳定性。

技术亮点： 距离度量可切换设计同时支持L1（曼哈顿）和L2（欧式）距离，应对金融特征的不同分布特性。 行归一化混淆矩阵能消除类别样本量差异对评估的影响，尤其适合交易信号这类不平衡分类场景。 模块化设计允许单独调用分类器进行实时预测，或使用评估器进行离线模型验证，满足交易策略研发全流程需求。

该代码库经过实际金融数据验证，其输出指标可直接用于策略优化决策。值得注意的是，反复保持验证中的迭代次数参数需要根据数据波动性调整——高频交易数据通常需要更多次迭代以获得稳定评估结果。