R语言实现KNN 算法

最新推荐文章于 2024-08-01 21:06:19 发布

亓了个葩

最新推荐文章于 2024-08-01 21:06:19 发布

阅读量7.2k

点赞数 2

分类专栏：机器学习无监督学习文章标签： r语言机器学习算法 KNN

本文链接：https://blog.csdn.net/skyonefly/article/details/50069309

版权

本文介绍了如何利用R语言实现K近邻（KNN）算法，这是一种常见的机器学习分类方法。通过计算测试样本与训练样本之间的欧式距离，选择最近的K个样本，并根据这些样本的类别进行投票，从而决定测试样本的归属类别。文中以R语言自带的iris数据集为例进行了演示。

摘要由CSDN通过智能技术生成

KNN是机器学习中最简单的分类算法之一

就是把每一个测试样本跟训练样本中的每一个样本求他们的欧式距离，然后选出最小的几个，里面哪一个类多这个测试样本就属于哪一个类

用R语言自带的iris 写了一下

data("iris")
length(iris[,1])
idx = sample(150,100)
train = iris[idx,]
test = iris[-idx,]
trainLabel = train[,"Species"]
testLabel = test[,"Species"]
trainData = train[,c(1:4)]
testData = test[,c(1:4)]
trainData = as.matrix(trainData)
testData = as.matrix(testData)
#testData[1,]
label = c(1:100)
falseaccury  = 0;
for ( i in 1:length(testData[,1]) ){
  countVi = 0;
  countVe = 0;
  countSe = 0;
  s = matrix(rep(testData[i,],length(trainData[,1])),nrow = length(trainData[,1]),byrow = TRUE)
  Diffmatrix = s - trainData
  t = apply(Diffmatrix^2,1,sum)
  st = data.frame(t,1:length(t))
  colnames(st) =c("dist","or")
  orderst = st[order(st$dist),]
  for(j in 1:1){
    temp