R condense k-NN 分类器的压缩训练集

说明

k-NN 分类器的压缩训练集

用法

condense(train, class, store, trace = TRUE)

参数

train	训练集矩阵
class	测试集的分类向量
store	初始商店设置。默认从集合中随机选择一个元素。
trace	合乎逻辑的。跟踪迭代？

细节

商店集用于对其余部分进行 1-NN 分类，并将错误分类的模式添加到商店集。检查整个集合，直到没有添加发生。

值

要保留的案例的索引向量(最终存储集)。

例子

train <- rbind(iris3[1:25,,1], iris3[1:25,,2], iris3[1:25,,3])
test <- rbind(iris3[26:50,,1], iris3[26:50,,2], iris3[26:50,,3])
cl <- factor(c(rep("s",25), rep("c",25), rep("v",25)))
keep <- condense(train, cl)
knn(train[keep, , drop=FALSE], test, cl[keep])
keep2 <- reduce.nn(train, keep, cl)
knn(train[keep2, , drop=FALSE], test, cl[keep2])

参考

P. A. Devijver and J. Kittler (1982) Pattern Recognition. A Statistical Approach. Prentice-Hall, pp. 119-121.

Ripley, B. D. (1996) Pattern Recognition and Neural Networks. Cambridge.

Venables, W. N. and Ripley, B. D. (2002) Modern Applied Statistics with S. Fourth edition. Springer.

也可以看看

reduce.nn , multiedit