R parsnip nearest_neighbor K-最近邻

nearest_neighbor() 定义了一个模型，该模型使用训练集中的 K 最相似的数据点来预测新样本。该函数可以拟合分类和回归模型。

拟合该模型的方法有多种，通过设置模型引擎来选择估计方法。下面列出了该模型的引擎特定页面。

• kknn¹

有关如何操作的更多信息防风草用于建模的是https://www.tidymodels.org/.

用法

nearest_neighbor(
  mode = "unknown",
  engine = "kknn",
  neighbors = NULL,
  weight_func = NULL,
  dist_power = NULL
)

参数

mode

预测结果模式的单个字符串。此模型的可能值为"unknown"、"regression" 或"classification"。

engine

指定用于拟合的计算引擎的单个字符串。

neighbors

要考虑的邻居数量的单个整数(通常称为k)。为了克尼恩，如果使用值 5neighbors没有指定。

weight_func

用于对样本之间的距离进行加权的核函数类型的单个字符。有效的选择是： "rectangular" , "triangular" , "epanechnikov" , "biweight" , "triweight" , "cos" , "inv" , "gaussian" , "rank" 或 "optimal" 。

dist_power

用于计算 Minkowski 距离的参数的单个数字。

细节

此函数仅定义正在拟合的模型类型。一旦指定了引擎，也就定义了拟合模型的方法。有关设置引擎的更多信息，包括如何设置引擎参数，请参阅set_engine()。

在 fit() 函数与数据一起使用之前，模型不会经过训练或拟合。

此函数中除 mode 和 engine 之外的每个参数都被捕获为 quosures 。要以编程方式传递值，请使用injection operator，如下所示：

value <- 1
nearest_neighbor(argument = !!value)

参考

https://www.tidymodels.org, Tidy Modeling with R, searchable table of parsnip models

也可以看看

例子

show_engines("nearest_neighbor")
#> # A tibble: 2 × 2
#>   engine mode          
#>   <chr>  <chr>         
#> 1 kknn   classification
#> 2 kknn   regression    

nearest_neighbor(neighbors = 11)
#> K-Nearest Neighbor Model Specification (unknown mode)
#> 
#> Main Arguments:
#>   neighbors = 11
#> 
#> Computational engine: kknn 
#>