R语言笔记：机器学习【K近邻】

写在开头：
我是一个学R的小白，因为读研老师要求开始接触R。
记一记笔记留给自己以后回顾，顺便分享出来嘻嘻。
我把需要深入的的函数进行介绍~方便了解这些函数的用法，一些简单的函数我就不放出来啦

之前笔记:R语言笔记：画图（1）【主要plot()函数】

理论知识

我把这一章节需要的理论知识写在本子上拍下来啦~如果缺少这部分知识的可以找书来康康。

1.K-近邻

knn()函数

用于实现K-近邻法，使用前需library(class)。

格式

knn(train=,test=,cl=,k=,prob=FALSE,use.all=TRUE)

参数含义

train——用于指定训练样本集
test——用于指定测试样本集
cl——指定训练样本集中的哪个变量为输出变量
k——用于指定参数K
prob——逻辑参数。取TRUE表示函数返回值是预测类别的概率值，FALSE函数返回值是预测类别值。回归预测中，prob应设置为FALSE。
use.all——逻辑参数。取TRUE表示当有多个等距离的近邻而使得实际近邻个数大于K时，所有近邻参与预测。取FALSE表示再多个等距离近邻中随机抽取近邻，确保实际近邻个数等于K。

knn1()函数

1-近邻法的专用函数。

格式

knn1(train=,test=,cl=）

knn.cv()函数

将K-近邻法和留一法“打包”成一体的函数，无需指定测试样本集。

格式

knn.cv(train=,cl=,k=)

一个栗子

library(class)
##指定训练集
train<-read.table("D:/R/《R语言数据挖掘方法及应用》案例数据/天猫Train1.txt",header=T,sep=",")
train$BuyOrNot<-as.factor(train$BuyOrNot)
##指定测试集
test<-read.table("D:/R/《R语言数据挖掘方法及应用》案例数据/天猫