使用R完成K近邻分类
来源:互联网 发布:batch随机梯度下降算法 编辑:程序博客网 时间:2024/05/20 00:36
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:
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")
效果如下,可以看出,Petal.Length, Petal.Width两个特征的分类能力很强:
调用kknn函数进行模型训练与预测,代码如下:
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#判定分类准确性fit <- fitted(iris.kknn)table(iris.valid$Species, fit)最终结果如下:
fit
setosa versicolor virginica
setosa 14 0 0
versicolor 0 21 1
virginica 0 1 13
可以看出,只有两个个记录被误分类。
以可视化方式呈现误分类情况,调用如下代码:
pcol <- as.character(as.numeric(iris.valid$Species))plot(iris.valid[3:4], pch = pcol, col = c("green3", "red")[(iris.valid$Species != fit)+1])可视化结果见下图:
1 0
- 使用R完成K近邻分类
- 使用R完成K近邻分类
- R语言使用k值近邻分类算法
- 分类算法——K近邻算法及其R实现
- 使用R完成决策树分类
- R语言:k近邻
- K近邻分类算法
- K近邻分类算法
- K近邻分类算法
- k-近邻分类算法
- k近邻分类(kNN)
- K近邻分类
- 数据挖掘-K-近邻分类器-Iris数据集分析-使用K-近邻分类器进行分类预测(四)
- 使用R完成朴素贝叶斯分类
- OpenCV使用Mat数据进行K-近邻分类
- opencv中使用K-近邻分类算法KNN
- scikit-learn K最近邻分类器 KNeighborsClassifier 使用
- 使用K近邻(KNN)对鸢尾花分类
- 用lingo解决钢管下料问题
- Objective-C语法之Category的使用
- assert()函数用法总结
- Google Code Jam-Problem B. Reverse Words
- 进程资源限制
- 使用R完成K近邻分类
- Android原生”SlidingMenu”框架的代码简析
- Objective-C语法之代码块(block)的使用
- ArcGlobe三维开发之十——IGlobeDisplayRendering2 接口
- c++ 笔试面试题 难题精选 持续更新
- ZOJ 3772 Calculate the Function( 线段树 )
- Objective-C语法之KVO的使用
- java基础22--常用流对象
- 用cocos2d 2.1制作一个过河小游戏(1): 总概