使用 R 中的最近邻分类器分配类标签

Posted 2023-03-13

【中文标题】使用 R 中的最近邻分类器分配类标签

【英文标题】：Assign class labels using nearest neighbor classifier in R

【发布时间】：2016-10-19 01:49:19

【问题描述】：

我不知道从哪里开始。我的任务是使用 R 中内置的 IRIS 数据集：

编写一段 R 代码，使用最近邻分类器 (NN)[1] 为每个 OBSERVATIONS（四维）分配一个类标签。使用 Part A 作为参考数据库（观察和分类标签），使用 Part B 作为测试集。假设您不知道 B 部分的类标签，对于 B 部分的每个观测值，找到离 A 部分最近的观测值，并将其类标签分配给 A 部分的观测值。

计算并返回每类准确度（每类正确分类的观察数除以观察总数）。

我为第一部分编写的代码非常简单：

newData = iris

evenRows.A <- newData[seq(2, nrow(newData), 2),]  #SELECT EVEN ROWS

oddRows.B <- newData[seq(1, nrow(newData), 2),]   #SELECT ODD ROWS. This is the testing set

任何关于类标签的帮助都将不胜感激。

编辑：格式化的 R 代码

【参考方案1】：

    newData = iris
    evenRows.A <- newData[seq(2, nrow(newData), 2),]  #SELECT EVEN ROWS
    oddRows.B <- newData[seq(1, nrow(newData), 2),]   #SELECT ODD ROWS. This is the testing set

normalize <- function(x)return((x-min(x))/(max(x)-min(x)))       #Define a function to normalize the data
    evenRows.train<- as.data.frame(normalize(evenRows.A[,c(1,2,3,4)]))  #Apply normalization to part A, the reference data
    oddRows.test<- as.data.frame(normalize(oddRows.B[,c(1,2,3,4)]))    #Apply normalization to part B, the test data
    evenRows.train.target<-evenRows.A[,5]

    require(class)  #load required classes for nearest neighbor modelling
    sqrt(150)
    #rule of thumb: pick k= sqrt(observations), rounded to nearest odd integer. In this case, 12.247 --> k = 13

    model1<-knn(train=evenRows.train, test=oddRows.test, cl=evenRows.train.target, k=13)
    model1

    #Display confusion matrix of results, to quantify correct versus incorrect classification

    table(oddRows.test.target, model1) 

我尝试应用 k 最近邻分类，并在最后将结果显示为混淆矩阵。你们能告诉我这对于我发布的问题是否明智？