使用R完成K近邻分类

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")

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：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])