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
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