複数のクラスで最小コストが同じである場合に预测メソッドで使用されるタイブレークアルゴリズム。“BreakTies”と以下のいずれかで構成されるコンマ区切りのペアとして指定します。

既定では,同順位はK最近傍の中で同じ数の最近傍点を複数のクラスがもつときに発生します。

例:“BreakTies”,“最近”

kdツリーの葉ノード内のデータ点の最大的数。“BucketSize”と正の整数値で構成されるコンマ区切りのペアとして指定します。この引数は,NSMethodが“kdtree”の場合にのみ意味があります。

例:“BucketSize”,40岁

データ型:单|双

共分散行列。“浸”と,マハラノビス距離の計算時の共分散行列を表すスカラー値の正定値行列で構成される,コンマ区切りのペアとして指定します。この引数は,“距离”が“mahalanobis”の場合にのみ有効です。

“标准化”および“规模”または“浸”のいずれかを同時に指定できません。

データ型:单|双

距離計量。“距离”と有効な距離計量名または関数ハンドルから構成されるコンマ区切りのペアとして指定します。使用できる距離計量名は,近傍探索法の選択(NSMethodを参照)によって決まります。

このテーブルには,ExhaustiveSearcherの有効な距離計量が含まれます。

函数ZJ D2 = distfun(子)距离计算%．..

CategoricalPredictorsを“所有”に指定した場合,既定の距離計量は“汉明”となります。それ以外の場合は,既定の距離計量は“欧几里得”です。

定義については距離計量を参照してください。

例:“距离”,“闵可夫斯基”

データ型:字符|字符串|function_handle

距離重み付け関数。“DistanceWeight”と関数ハンドルまたは次の表のいずれかの値から構成されるコンマ区切りのペアとして指定します。

例:“DistanceWeight”、“逆”

データ型:字符|字符串|function_handle

ミンコフスキー距離指数。“指数”と正のスカラー値で構成されるコンマ区切りのペアとして指定します。この引数は,“距离”が闵可夫斯基的の場合にのみ有効です。

例:“指数”,3

データ型:单|双

同順位使用フラグ。“IncludeTies”と,距離の値がK番目に小さい距離と等しい近傍点をすべて预测に含めるかどうかを表す論理値で構成される,コンマ区切りのペアとして指定します。IncludeTiesが真正的の場合,预测はすべての近傍点を含みます。それ以外の場合,预测は正確にKの近傍点を使用します。

例:“IncludeTies”,真的

データ型:逻辑

最近傍探索法。“NSMethod”と“详尽”または“kdtree”で構成されるコンマ区切りのペアとして指定します。

既定値は,Xの列数が10以下で,XがスパースでないかgpuArrayで,距離計量が“kdtree”型の場合は“kdtree”,それ以外の場合は“详尽”です。

例:“NSMethod”、“详尽”

予測時に各点を分類するために検出するXの最近傍の数。“NumNeighbors”と正の整数値で構成されるコンマ区切りのペアとして指定します。

例:“NumNeighbors”,3

データ型:单|双

距離スケール。“规模”と,Xの列数と同じ長さの非負のスカラー値を含むベクトルで構成される,コンマ区切りのペアとして指定します。Xとクエリ点の間の各座標差分は,规模の対応する要素でスケーリングされます。この引数は,“距离”が“seuclidean”の場合にのみ有効です。

“标准化”および“规模”または“浸”のいずれかを同時に指定できません。

データ型:单|双

予測子を標準化するためのフラグ。“标准化”と,真正的（1)または假（0)のいずれかで構成される,コンマ区切りのペアとして指定します。

“标准化”,真的を設定すると,予測子データ(X)の各列のセンタリングとスケーリングを,それぞれ列の平均値と標準偏差を使用して行います。

すべての予測子がカテゴリカルの場合,カテゴリカル予測子は標準化されずエラーがスローされます。

“标准化”,1および“规模”または“浸”のいずれかを同時に指定できません。

予測子データの標準化をお勧めします。

例:“标准化”,真的

データ型:逻辑