k近邻法：R实现(二)

转载于：使用R完成K近邻分类

除了上文的方法以外，也可以使用R包kknn

使用数据集iris， 验证Petal.Length, Petal.Width两个特征的分类能力。代码如下：

#使用数据集iris，先呈图查看一下关系
with(iris, plot(Petal.Length, Petal.Width, col=as.integer(Species)))  
text(2.2, 0.3, "setosa")  
text(3.0, 1.3, "versicolor")  
text(6.5, 1.7, "virginica")  

#用kknn函数进行模型训练和预测
library(kknn)  
data(iris)  
m <- dim(iris)[1]  #获取数据集记录条数  
val <- sample(1:m, size =round(m/3), replace = FALSE, prob= rep(1/m, m))  #抽样，选取三分之二的数据作为训练集。  
iris.learn <- iris[-val,]  #选取训练集  
iris.valid <- iris[val,]   #选取验证集  

#训练模型并进行预测分类  
iris.kknn <- kknn(Species~Petal.Length + Petal.Width,iris.learn, iris.valid, k=7, distance=2)  
summary(iris.kknn)  #查看分类结果  
#distance闵可夫斯基距离参数p

#判定分类准确性  
fit <- fitted(iris.kknn)  
table(iris.valid$Species, fit)  

#可视化误分类情况
pcol <- as.character(as.numeric(iris.valid$Species))  
plot(iris.valid[3:4], pch = pcol, col = c("green3", "red")  
     [(iris.valid$Species != fit)+1])  

原分类图：

最后误分类呈图：