用R语言实现K最近邻（KNN）算法

用R语言实现K最近邻（KNN）算法

K最近邻（K-Nearest Neighbors，简称KNN）是一种常用的机器学习算法，它可用于分类和回归问题。在这篇文章中，我们将使用R语言实现KNN算法，并提供相应的源代码。

KNN算法的基本原理是根据样本的特征值，找到与待分类样本最近的K个邻居，并根据这K个邻居的标签进行分类。KNN算法的步骤如下：

1. 导入必要的库和数据集

首先，我们需要导入R中的必要库和数据集。在这个例子中，我们使用R中自带的iris数据集，它包含了150个鸢尾花的测量数据。

# 导入必要的库
library(class)

# 导入iris数据集
data(iris)

2. 数据预处理

在KNN算法中，数据预处理是非常重要的一步。我们需要将数据集分为训练集和测试集，并对特征进行归一化处理。

# 将数据集分为训练集和测试集
set.seed(123)
train_indices <- sample(1:nrow(iris), 0.7 * nrow(iris))
train_data <- iris[train_indices, ]
test_data <- iris[-train_indic