k近邻法：R实现(一)

转载于：机器学习算法的R语言实现（一）：KNN

KNN是有监督的学习算法，其特点有：

1、精度高，对异常值不敏感

2、只能处理数值型属性

3、计算复杂度高（如已知分类的样本数为n，那么对每个未知分类点要计算n个距离）

 

KNN算法步骤：

需对所有样本点（已知分类+未知分类）进行归一化处理。

然后，对未知分类的数据集中的每个样本点依次执行以下操作：

1、计算已知类别数据集中的点与当前点（未知分类）的距离。

2、按照距离递增排序

3、选取与当前距离最小的k个点

4、确定前k个点所在类别的出现频率

5、返回前k个点出现频率最高的类别作为当前点的预测类别

 

<span style="font-family:Times New Roman;font-size:14px;"># 选择iris数据集为例，iris共有150条数据#先大致看一下数据head(iris)#对iris进行归一化处理，scale归一化的公式为(x-mean(x))/sqrt(var(x))iris_s <- data.frame(scale(iris[, 1:4]))iris_s <- cbind(iris_s, iris[, 5])names(iris_s)[5] = "Species"#随机选出100条记录作为已知分类的样本集sample_list <- sample(1:150, size = 100)iris_know <- iris_s[sample_list, ]#剩余的50条记录作为未知分类的样本iris_unknow <- iris_s[-sample_list, ]#对测试集中的每一个样本，计算其与已知样本的距离，因为已经归一化，此处直接使用欧氏距离length_know <- nrow(iris_know)length_unknow <- nrow(iris_unknow)for (i in 1:length_unknow){    dis_know <- data.frame(dis = rep(0, length_know))    for (j in 1:length_know){        #计算已知点和未知点的距离        dis_know[j, 1] <- dist(rbind(iris_unknow[i, 1:4], iris_know[j, 1:4]), method = "euclidean")        names(dis_know)[1] = "dis"        # 保存已知样本分类        dis_know[j, 2] <- iris_know[j, 5]        names(dis_know)[2] = "Species"    }    #按距离从小到大排序    dis_know <- dis_know[order(dis_know$dis), ]    #定义K的大小    k <-5    #按因子（也就是分类）进行排序    type_freq <- as.data.frame(table(dis_know[1:k, ]$Species))    #按计数值进行排序    type_freq <- type_freq[order(-type_freq$Freq), ]    # 记录频数最大的类型    iris_unknow[i, 6] <- type_freq[1,1]    names(iris_unknow)[6] = "Species.pre"}#输出分类结果iris_unknow[, 5:6]</span>