文件““Smarket.sv”为2001 2005年S8P 500指数的日交易情况，其中,laa1.laa2.a3.a4.laa5为对于交日当天相对前5连续交易日中每易日的涨跌数额、Volume为前一

文件“"Smarket.sv”为2001 2005年S8P 500指数的日交易情况，其中,laa1.laa2.a3.a4.laa5为对于交日当天相对前5连续交易日中每易日的涨跌数额、Volume为前一交易日的交易量、Today为交易日当天的涨跌数额、Direction为交易日当天的“涨”或“跌情。请使用R 读取该数据文件中的数据及构建分类模型，并回答下列问题:

1、以lag1,lag2.lag3,ag5和Volume为特征，使用折交叉验证方法(K=10)计算K-NN模型参数k在不同取值情况下的模型的准确率.

data <- read.csv("Smarket.csv") 
features <- c("Lag1", "Lag2", "Lag3", "Lag4", "Lag5", "Volume")  # 选择特征
data <- data[, c(features, "Direction")]  # 保留特征和目标5量
library(caret)

# 创建控制参数
ctrl <- trainControl(method = "cv", number = 10)  # 10 折交叉验证

# 使用 train() 函数执行 K-NN 模型
model <- train(Direction ~ ., data = data, method = "knn", trControl = ctrl, tuneGrid = expand.grid(k = 1:20))
best_k <- model$bestTune$k  # 最佳 k 值
accuracy <- model$results[model$results$k == best_k, "Accuracy"]  # 最佳 k 值下的准确率
accuracy