16、机器学习模型的 R 语言实现

机器学习模型的 R 语言实现

1. k - 近邻（k - NN）模型

1.1 基本实现

使用 k - NN 模型对数据进行分类，以下是基本的 R 代码：

knn.pred <- knn(train=mydata.train, test=mydata.test,
                cl=mydata.train.labels, k=3)
knn.pred[1:9]
sum(knn.pred == mydata.test.labels)

运行上述代码后， knn.pred[1:9] 的输出为 [1] H J M M J M M J M ， sum(knn.pred == mydata.test.labels) 的输出为 [1] 8 ，这表示有 8 个正确的分类。

1.2 模型优化

可以通过以下两种方式对 k - NN 模型进行优化：
- 限制预测变量数量 ：只考虑三个预测变量，如 by 、 upon 和 would 。

aRange <- c(2, 3, 5) 
knn.pred <- knn(train=mydata.train[,aRange],
                test=