R语言：KNN算法的实现——kknn包

R 语⾔：KNN 算法的实现——kknn 包

蛋白质工程在前⽂中，我们已经介绍过了KNN算法的原理以及其python实现，具体请见。

本⽂将主要介绍KNN算法的R语⾔实现，使⽤的R包是kknn。

青岛小港本⽂数据选择了红酒质量分类数据集，这是⼀个很经典的数据集，原数据集中“质量”这⼀变量取值有{3，4，5，6，7，8}。为了实现⼆分类问题，我们添加⼀个变量“等级”，并将“质量”为{3，4，5}的观测划分在等级0中，“质量”为{6，7，8}的观测划分在等级1中。因变量：等级

⾃变量：⾮挥发性酸性、挥发性酸性、柠檬酸、剩余糖分、氯化物、游离⼆氧化硫、⼆氧化硫总量、浓度、pH、硫酸盐、酒精library(openxlsx)

wine = read.xlsx("C:/Users/Mr.Reliable/Desktop/classification/winequality-red.xlsx")

#将数据集分为训练集和测试集,⽐例为7:3

train_sub = sample(nrow(wine),7/10*nrow(wine))

train_data = wine[train_sub,]

test_data = wine[-train_sub,]

KNN 的实现

R 包下载

install.packages('kknn')

实现KNN

kknn函数的重要参数：

参数晋城市煤炭工业局

意义formula

~，确定⾃变量和因变量train

训练集test

测试集k

默认为7，表⽰选择7个最近的样本为代表distance 默认为2，表⽰使⽤的是哪个明可夫斯基距离

kernel

可以选择的选项：rectangular（⽆权

重），triangular，epanechnikov，biweight，triweight，cos，inv，gaussian，rank，optimal（默认）kknn还有⼀些其他的参数，具体可以参考

library(pROC) #绘制ROC 曲线

library(kknn)

#数据预处理

train_data$等级 = factor(train_data$等级)

test_data$等级 = factor(test_data$等级)

wine_knn <- kknn(等级 ~ ⾮挥发性酸性+挥发性酸性+柠檬酸+剩余糖分

+氯化物+游离⼆氧化硫+⼆氧化硫总量+浓度+pH+硫酸盐+酒精,

train_data,test_data,k=7,distance = 2)

这样我们就实现了KNN算法

ROC 曲线和AUC 值

y x ++x n

#在测试集上预测

利维爱pre_knn <- fitted(wine_knn)

#输出混淆矩阵丙烯酸酯类

table(test_data$等级, pre_knn,dnn=c("真实值","预测值"))

#绘制ROC曲线并计算AUC值

knn_roc <- roc(test_data$等级,as.numeric(pre_knn))

plot(knn_roc, print.auc=TRUE, auc.polygon=TRUE, grid=c(0.1, 0.2),l=c("green", "red"), max.auc.polygon=TRUE,l="skyblue", print.thr es=TRUE,main='knn算法ROC曲线')

酸化油选择不同的kernel和k值将对模型的结果产⽣影响。⼀般来讲，使⽤默认值的效果⽐较好。

本文发布于:2024-09-21 15:32:17，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/326068.html

上一篇：使用KNN（邻近算法）进行模型评估（实战篇-1）

下一篇：knn算法的最佳k值_KNN（k-NearestNeighbor）算法笔记

标签：数据酸性氧化硫质量测试挥发性算法分类

留言与评论（共有 0 条评论）